Dp 507 cz

Z DCEwiki
Verze z 20. 8. 2014, 13:46, kterou vytvořil Sturcmar (diskuse | příspěvky) (Kategorizace anotací.)
(rozdíl) ← Starší verze | zobrazit aktuální verzi (rozdíl) | Novější verze → (rozdíl)
Skočit na navigaci Skočit na vyhledávání

Vyhodnocení a vylepšení detektorů a deskriptorů zájmových oblastí v obrázku

Autor: Karel Lenc


Diplomové práce 2013

Stáhnout práci v PDF

Spolehlivé a dostatečně informativní měření výkonnosti detektorů zájmových oblastí není snadným úkolem a závisí jak na konkrétní aplikaci, tak i na jejich požadovaných vlastnostech. Hlavním přínosem této práce je rozšíření open source projektu VLBenchmarks, který se snaží nashromáždit hlavní protokoly pro měření vlastností detektorů zájmových oblastí a jejich deskriptorů.V rámci práce jsme navrhli nový testovací protokol měřící výkonnost detektorů a deskriptorů zájmových oblastí použitelných v systémech pro vyhledávání instancí obrazů v rozsáhlých databázích. Dále jsme navrhli jednoduché kritérium pro testování detektorů a deskriptorů ve wide-baseline dvou-pohledových geometriích. S pomocí těchto nových testovacích protokolů jsme prozkoumali několik nejdůležitějších parametrů algoritmů pro detekci zájmových oblastí.Navrhli jsme nový algoritmus pro stavbu pyramid prostoru měřítek, jenž zvyšuje opakovatelnost detektorů v případě znalosti Gaussovského jádra, kterým byl obrázek rozmazán. Na systému pro vyhledávání obrazů jsme ukázali, že při zahrnutí zájmových oblastí s nižším kontrastem, lze významněji zvýšit jejich přesnost, než při zahrnutí oblastí s menší velikostí. Ukazujeme ale, že toto neplatí pro případy použití, kde je upřednostňovaná geometrická přesnost detekce. Na případě široce používaného SIFT deskriptoru ukazujeme, že pokud data, na nichž je počítán, neobsahují významné rotace, není potřeba vstupní data deskriptoru vážit Gaussovským jádrem. S těmito protokoly jsme také změřili výkonnost detektorů a deskriptorů z hlediska velikosti oblasti, která je použita pro výpočet deskriptoru. Ukazuje se, že pro detektory isotropních oblastí se vždy dosáhne lepších výsledků, pokud je do výpočtu deskriptoru zahrnuto více kontextu detekované oblasti.

V poslední části této práce navrhujeme vylepšení emulátorů detektorů zájmových oblastí, které dovoluje detekovat nové typy zájmových oblastí a zvyšuje jejich geometrickou přesnost. Také jsme významně zvýšili efektivnost těchto emulátorů tak, že dosahují vyšší rychlosti detekce, než z hlediska rychlosti pečlivě navržený OpenSURF detektor.


Dp 2013 lenc karel.pdf