English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Em diversas aplicacoes da visao computacional, e necessario estimar-se, em um modelo, os parâmetros que melhor se ajustam a um conjunto de dados experimentais. Nesses casos, um algoritmo de minimizacao pode ser utilizado. Dentre estes, um dos mais conhecidos e o Levenberg-Marquardt. Apesar de diversas implementacoes de tal algoritmo estarem disponiveis livremente, nenhuma delas leva em consideracao quando a solucao do problema conduz a uma matriz jacobiana esparsa. Nesses casos, e possivel reduzir significativamente a complexidade do algoritmo. Neste trabalho, apresenta-se uma implementacao do algoritmo Levenberg-Marquardt para os casos em que a matriz jacobiana do problema e esparsa. Alem disso, para ilustrar a aplicacao do algoritmo, ele e aplicado a solucao do problema de calibracao monocular com gabaritos de uma unica dimensao. Resultados empiricos mostram que o metodo converge satisfatoriamente em apenas algumas poucas iteracoes, mesmo na presenca de ruido.

Uma implementação do algoritmo Levenberg-Marquardt dividido para aplicações em visão computacional.