Performance Characterization in Computer Vision

این جلد ویرایش شده به موضوعی می پردازد که چندین سال است در جامعه بینایی کامپیوتر به شدت مورد بحث قرار گرفته است. توصیف عملکرد و ارزیابی الگوریتم‌های بینایی رایانه از اهمیت کلیدی برخوردار است، به‌ویژه با توجه به پیکربندی سیستم‌های بینایی کامپیوتری قابل اعتماد و روبوسی و همچنین انتشار سیستم‌های قابل تنظیم مجدد در حوزه‌های کاربردی جدید. اگرچه ادبیات فراوانی در مورد این موضوع برای برخی از حوزه‌های بینایی رایانه در دسترس است، جامعه جستجو هنوز با فقدان روش‌های مستدل، عموماً پذیرفته شده و در نهایت استاندارد شده مواجه است. طیفی از مشکلات اساسی encoIl! ارزش تصاویر مصنوعی در بینایی کامپیوتری تجربی، انتخاب مجموعه ای معرف از تصاویر واقعی مربوط به حوزه ها و وظایف خاص، تعریف حقیقت زمینی با توجه به وظایف و کاربردهای مختلف، طراحی آزمون تجربی بسترها، تجزیه و تحلیل الگوریتم ها با توجه به ویژگی های کلی مانند پیچیدگی، مصرف منابع، همگرایی، پایداری یا محدوده داده های ورودی قابل قبول، تعریف و تجزیه و تحلیل معیارهای عملکرد برای کلاس های الگوریتم ها، نقش معیارهای عملکرد مبتنی بر آمار، تولید برگه‌های داده با معیارهای عملکرد الگوریتم‌هایی که مهندس سیستم را در مسئله پیکربندی خود پشتیبانی می‌کنند و اعتبار مفروضات مدل برای کاربردهای خاص بینایی رایانه را پشتیبانی می‌کنند.

This edited volume addresses a subject which has been discussed inten­ sively in the computer vision community for several years. Performance characterization and evaluation of computer vision algorithms are of key importance, particularly with respect to the configuration of reliable and ro­ bust computer vision systems as well as the dissemination of reconfigurable systems in novel application domains. Although a plethora of literature on this subject is available for certain' areas of computer vision, the re­ search community still faces a lack of a well-grounded, generally accepted, and--eventually-standardized methods. The range of fundamental problems encoIl!passes the value of synthetic images in experimental computer vision, the selection of a representative set of real images related to specific domains and tasks, the definition of ground truth given different tasks and applications, the design of experimental test­ beds, the analysis of algorithms with respect to general characteristics such as complexity, resource consumption, convergence, stability, or range of admissible input data, the definition and analysis of performance measures for classes of algorithms, the role of statistics-based performance measures, the generation of data sheets with performance measures of algorithms sup­ porting the system engineer in his configuration problem, and the validity of model assumptions for specific applications of computer vision.