边缘 Edge
边缘是两个图片区域之间存在限制(或边缘)的焦点。 通常,边缘可以具有相对自由的形状,并且可以包含交叉点。 通过边缘,边缘通常被表征为图像中具有立体角度范围的焦点组。 此外,一些常规计算然后将高倾斜度链接在一起朝向框架更完整地描绘边缘。 这些计算通常会对边缘的属性施加一些限制,例如形状,平滑度和倾向度。 在局部,边缘具有一维结构。
角落/兴趣点 Corners
术语角和关注焦点在某种程度上相反地被利用并且暗示图片中的点状高光,其具有邻域二维结构。 由于早期计算最初进行了边缘发现,因此出现了“角落”这个名称,然后在边缘发生故障以发现路线(角落)的快速变化。 然后,这些计算的目标是不再需要表达边缘识别,例如通过在图像倾斜中搜索异常的形状量。 然后可以看到,声称的角落同样被识别在图片的部分区域上,这些部分不是传统意义上的角落(例如,在昏暗的基础上可能会发现一个小亮点)。 这些焦点一下子被称为关注焦点,然而表达“角落”被自定义使用。
团 /感兴趣的区域点 Bolb
团给出了图片结构的相关描述,就像语言环境而言,而不是更像点的角落。 通过团描述符可以定期地包含优选点(管理员反应的最极端的邻域或重点),这意味着许多团标识符同样可以被视为兴趣点管理员。 斑点查找器可以区分图片中的区域,这些区域过于平滑,无法以任何方式被角落指示器识别。
山脊 Ridges
对于拉伸物品,边缘的思想是一种特征装置。 从昏暗级别图片处理的边缘描述符可被视为平均枢轴的推测。 从实用的角度来看,边缘可以被认为是与对称中心对话的一维弯曲,并且更具有与每个边缘点相关的邻域边缘宽度的质量。 可悲的是,尽管如此,在边缘高光与一般类别的暗级图像之间将边缘高光与边缘,角落或斑点高光区分开来在算法上更难。 通过边缘描述符,尽可能多地用于飞行图片中的街道提取以及用于去除恢复图片中的静脉 - 参见边缘识别。
1.b. 去中心化的伪匿名多方密钥加密和解密
在这里,我们将讨论gStorage的核心。 去中心化的伪匿名多方密钥加密和解密算法。
- 它在某种意义上是去中心化的,我们将使用区块链作为后端,并将签名的交易广播到整个网络,而不会依赖在可信的第三方之上,因为后者可能会导致单点故障。
- 然后,它在某种意义上是伪匿名的,我们只保护提取的功能并将加密的哈希暴露给整个网络。 就像比特币的工作原理一样(用户使用私钥在本地对交易进行签名,然后将交易哈希广播到整个网络进行验证)。
- 它涉及多方,在某种意义上我们需要提前知道对方公钥,以便对方(服务器,物联网设备,网站,IP地址,智能合约)可以在以后使用他们自己的私钥来对加密的哈希解密 。
保护提取的特征
一旦我们为AI模型提取了特征表示,我们就需要保护它。 我们通过使用对方的公钥将提取的特征加密为密文来保护它。 这里我们将使用行业标准的公钥加密算法。
- 每一方都有一个Pair(K,K-1)密钥:K是公钥,K-1是密钥,这样DK-1 [EK [M]] = M
- 因为知道公钥和密码,计算私钥在计算上是不可行的因此公共密钥加密系统因此被称为非对称加密系统
- 公钥K可以公开提供,例如,在公共可用索引之中
- 许多人可以加密,只有一个人可以解密