Hacia una evaluación cuantitativa de los detectores de esquinas: el caso de las curvas ROC empíricas

El Reconocimiento de Objetos y otras aplicaciones fundamentales de la Visión por Computador requieren de la extracción de puntos geométricos de interés como las esquinas (“corners”). Por ello, la selección de un adecuado detector de esquinas y de sus algoritmos es un hecho trascendental en el diseño de sistemas de Visión Artificial. Conforme a esta situación, una de las metodologías más promisorias para evaluar dichos detectores es la comparación cuantitativa basada en curvas ROC (“Receiver Operating characteristic”) empíricas. Debido a ello, el trabajo presentado explora la implementación de dicha comparación cuantitativa seleccionando un conjunto de casos de estudio procedentes de piezas de producción. Específicamente, este trabajo realiza una evaluación de los detectores de Harris y Stephens, de Paler et al. y de un detector de Coincidencia de Plantillas (“Template matching”). Finalmente, el mencionado trabajo ilustra los resultados obtenidos por la comparación de puntos experimentales y por los análisis de regresión de las curvas ROC para cada pieza escogida. IV Workshop de Computación Gráfica, Imágenes y Visualización (WCGIV) Red de Universidades con Carreras en Informática (RedUNCI)