| Property |
Value |
| dbo:abstract
|
- Random sample consensus (RANSAC) es un método iterativo para calcular los parámetros de un modelo matemático de un conjunto de datos observados que contiene valores atípicos. Es un algoritmo no determinista en el sentido de que produce un resultado razonable sólo con una cierta probabilidad, mayor a medida que se permiten más iteraciones. El algoritmo fue publicado por primera vez por Fischler y Bolles SRI International en 1981. Los datos consisten en "inliers", es decir, los datos cuya distribución se explica por un conjunto de parámetros del modelo, aunque pueden estar sujetos a ruido, y "valores atípicos", que son datos que no encajan en el modelo. Los valores atípicos pueden provenir, por ejemplo, de valores extremos del ruido o de mediciones erróneas o hipótesis incorrectas sobre la interpretación de los datos. RANSAC también asume que, dada un conjunto de inliers (generalmente pequeño), existe un procedimiento que puede estimar los parámetros de un modelo que explica de manera óptima o se ajusta a esta información. (es)
- Random sample consensus (RANSAC) es un método iterativo para calcular los parámetros de un modelo matemático de un conjunto de datos observados que contiene valores atípicos. Es un algoritmo no determinista en el sentido de que produce un resultado razonable sólo con una cierta probabilidad, mayor a medida que se permiten más iteraciones. El algoritmo fue publicado por primera vez por Fischler y Bolles SRI International en 1981. Los datos consisten en "inliers", es decir, los datos cuya distribución se explica por un conjunto de parámetros del modelo, aunque pueden estar sujetos a ruido, y "valores atípicos", que son datos que no encajan en el modelo. Los valores atípicos pueden provenir, por ejemplo, de valores extremos del ruido o de mediciones erróneas o hipótesis incorrectas sobre la interpretación de los datos. RANSAC también asume que, dada un conjunto de inliers (generalmente pequeño), existe un procedimiento que puede estimar los parámetros de un modelo que explica de manera óptima o se ajusta a esta información. (es)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
| |
| dbo:wikiPageRevisionID
| |
| prop-es:art
| |
| prop-es:autor
|
- Anders Hast, Johan Nysjö, Andrea Marchetti (es)
- David A. Forsyth and Jean Ponce (es)
- Hossam Isack, Yuri Boykov (es)
- Martin A. Fischler and Robert C. Bolles (es)
- Ondrej Chum (es)
- P.H.S. Torr and D.W. Murray (es)
- Richard Hartley and Andrew Zisserman (es)
- Sunglok Choi, Taemin Kim, and Wonpil Yu (es)
- Anders Hast, Johan Nysjö, Andrea Marchetti (es)
- David A. Forsyth and Jean Ponce (es)
- Hossam Isack, Yuri Boykov (es)
- Martin A. Fischler and Robert C. Bolles (es)
- Ondrej Chum (es)
- P.H.S. Torr and D.W. Murray (es)
- Richard Hartley and Andrew Zisserman (es)
- Sunglok Choi, Taemin Kim, and Wonpil Yu (es)
|
| prop-es:año
|
- 1997 (xsd:integer)
- 2003 (xsd:integer)
- 2005 (xsd:integer)
- 2009 (xsd:integer)
- 2012 (xsd:integer)
- 2013 (xsd:integer)
|
| prop-es:ci
| |
| prop-es:date
|
- 20111129030145 (xsd:double)
|
| prop-es:doi
|
- 101007 (xsd:integer)
- 101023 (xsd:integer)
- 101145 (xsd:integer)
|
| prop-es:edición
| |
| prop-es:editorial
| |
| prop-es:fecha
|
- junio de 1981 (es)
- junio de 1981 (es)
|
| prop-es:fechaarchivo
|
- 5 (xsd:integer)
- 16 (xsd:integer)
|
| prop-es:isbn
| |
| prop-es:número
|
- 1 (xsd:integer)
- 2 (xsd:integer)
- 3 (xsd:integer)
- 6 (xsd:integer)
|
| prop-es:publicación
|
- International Journal of Computer Vision (es)
- PhD Thesis (es)
- Comm. of the ACM (es)
- Journal of WSCG (es)
- In Proceedings of the British Machine Vision Conference (es)
- International Journal of Computer Vision (es)
- PhD Thesis (es)
- Comm. of the ACM (es)
- Journal of WSCG (es)
- In Proceedings of the British Machine Vision Conference (es)
|
| prop-es:páginas
|
- 21 (xsd:integer)
- 23 (xsd:integer)
- 271 (xsd:integer)
- 381 (xsd:integer)
|
| prop-es:título
|
- Multiple View Geometry in Computer Vision (es)
- Computer Vision, a modern approach (es)
- Energy-based Geometric Multi-Model Fitting (es)
- Performance Evaluation of RANSAC Family (es)
- The Development and Comparison of Robust Methods for Estimating the Fundamental Matrix (es)
- Two-View Geometry Estimation by Random Sample and Consensus (es)
- Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography (es)
- Optimal RANSAC – Towards a Repeatable Algorithm for Finding the Optimal Set (es)
- Multiple View Geometry in Computer Vision (es)
- Computer Vision, a modern approach (es)
- Energy-based Geometric Multi-Model Fitting (es)
- Performance Evaluation of RANSAC Family (es)
- The Development and Comparison of Robust Methods for Estimating the Fundamental Matrix (es)
- Two-View Geometry Estimation by Random Sample and Consensus (es)
- Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography (es)
- Optimal RANSAC – Towards a Repeatable Algorithm for Finding the Optimal Set (es)
|
| prop-es:url
| |
| prop-es:urlarchivo
| |
| prop-es:volumen
|
- 21 (xsd:integer)
- 24 (xsd:integer)
- 97 (xsd:integer)
|
| dct:subject
| |
| rdfs:comment
|
- Random sample consensus (RANSAC) es un método iterativo para calcular los parámetros de un modelo matemático de un conjunto de datos observados que contiene valores atípicos. Es un algoritmo no determinista en el sentido de que produce un resultado razonable sólo con una cierta probabilidad, mayor a medida que se permiten más iteraciones. El algoritmo fue publicado por primera vez por Fischler y Bolles SRI International en 1981. (es)
- Random sample consensus (RANSAC) es un método iterativo para calcular los parámetros de un modelo matemático de un conjunto de datos observados que contiene valores atípicos. Es un algoritmo no determinista en el sentido de que produce un resultado razonable sólo con una cierta probabilidad, mayor a medida que se permiten más iteraciones. El algoritmo fue publicado por primera vez por Fischler y Bolles SRI International en 1981. (es)
|
| rdfs:label
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is owl:sameAs
of | |
| is foaf:primaryTopic
of | |
