Classe 9 Visió

507 views

Published on

Published in: Travel, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
507
On SlideShare
0
From Embeds
0
Number of Embeds
161
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Classe 9 Visió

  1. 1. 20391: Visió per Computador Apunts de l’assignatura Classe 9 Reconeixement d’Objectes (I) Jordi Vitrià 20391: Visió per Computador 1
  2. 2. 20391: Visió per Computador Apunts de l’assignatura Jordi Vitrià 20391: Visió per Computador 2
  3. 3. 20391: Visió per Computador Apunts de l’assignatura Jordi Vitrià 20391: Visió per Computador 3
  4. 4. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Problema: Equivalència entre estímuls. 1 objecte ↔ ∞ imatges Causes: escala, orientació, etc. Cal trobar característiques invariants! Jordi Vitrià 20391: Visió per Computador 4
  5. 5. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Problema: Equivalència entre estímuls (il·luminació). Jordi Vitrià 20391: Visió per Computador 5
  6. 6. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Problema: Equivalència entre estímuls (il·luminació). Jordi Vitrià 20391: Visió per Computador 6
  7. 7. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Problema: Equivalència entre estímuls. En alguns casos podem trobar mecanismes simples de reconeixement associats a característiques més o menys simples de les imatges i que constitueixen senyals no ambigus de la presència de l’objecte. Però en la majoria dels casos no hi ha una altre camí que l’aprenentatge de descripcions complexes. Jordi Vitrià 20391: Visió per Computador 7
  8. 8. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Problema: Equivalència entre estímuls. “The Cubist are destined... To give back to painting its true aim, which is to reproduce... objects as they are. Lighting must be eliminated because ... it is the sign of a particular instant... As well, perspective must be eliminated because ... it is accidental a think like lighting” J.Rivière. Present tendencies in painting. Revue d’Europe et Amérique, Paris, March 1912. Jordi Vitrià 20391: Visió per Computador 8
  9. 9. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Diferència entre classificar i identificar. Jordi Vitrià 20391: Visió per Computador 9
  10. 10. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? Perquè és útil el reconeixement de classes? Reconeixement de nous objectes dins d’una classe: • Podem inferir les propietats (usos, perills, …) de coses que no hem vist mai! (Imaginem el primer europeu que va veure un tigre!); • Restringeix el nombre de models per identificar (indexació); • Permet l'ús d’informació específica de la classe per identificar (p.e. neutralitzar expressions facials); • Fa possible la generalització des d’informació molt parcial (p.e. La Mona Lisa!). Jordi Vitrià 20391: Visió per Computador 10
  11. 11. 20391: Visió per Computador Apunts de l’assignatura Quin és el problema? (Alguns) Mètodes: Classificació de les característiques de la imatge. Ajust de Models geomètrics a la imatge. Aparença o reconeixement basat en vistes. Jordi Vitrià 20391: Visió per Computador 11
  12. 12. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Objectiu: Definir un espai de característiques de la imatge que permeti representar els objectes a partir del seu aspecte (o d’un conjunt de característiques locals) en la imatge. Hi ha 3 parts: • Definició d’una representació adequada. Normalment intentarem reduir la dimensió de les dades de forma que es conservin les invariancies i s’eliminin les altres dimensions. • Aprenentatge, a partir d’un conjunt d’exemples. • Reconeixement, a partir del model après. Jordi Vitrià 20391: Visió per Computador 12
  13. 13. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Jordi Vitrià 20391: Visió per Computador 13
  14. 14. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Classificació entre túbul i interstici en una biòpsia renal a partir de característiques texturals. Jordi Vitrià 20391: Visió per Computador 14
  15. 15. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Usarem com a operacions bàsiques la dilatació (∂ B (k )) i erosió (ε B (k )) morfològiques amb elements estructurants que són cercles de radi k: B(k ) La seva combinació crea una nova operació: l’apertura. I o B(k ) = δ B ( k ) (ε B ( k ) ( I )) Jordi Vitrià 20391: Visió per Computador 15
  16. 16. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Efecte de l’apertura en una imatge: Jordi Vitrià 20391: Visió per Computador 16
  17. 17. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Llavors definim per a cada punt (x,y) de la imatge el següent vector: G ( x, y ) = {vol ( I o B(1)) − vol ( I o B(2)),K, vol ( I o B( n − 1)) − vol ( I o B( n ))} On vol ( I ( x, y )) = ∑ I ( x '− x, y '− y ) ( x , y )∈B ( n ) Aquest vector, que anomenem GRANULOMETRIA (o la seva derivada!) representa el comportament de l’entorn de cada punt respecte a l’operació apertura, i és un bón descripció de textura! Jordi Vitrià 20391: Visió per Computador 17
  18. 18. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Jordi Vitrià 20391: Visió per Computador 18
  19. 19. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge. Resultat de classificar la granulometria de cada punt amb una xarxa neural. Jordi Vitrià 20391: Visió per Computador 19
  20. 20. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge: SEEMORE. Jordi Vitrià 20391: Visió per Computador 20
  21. 21. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge: SEEMORE. Jordi Vitrià 20391: Visió per Computador 21
  22. 22. 20391: Visió per Computador Apunts de l’assignatura Mètodes Classificació de les característiques de la imatge: SEEMORE. Jordi Vitrià 20391: Visió per Computador 22
  23. 23. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids. Disposem d’una mostra de l’objecte, en forma de de corba o de model de “filferro” + les transformacions que són admissibles. Jordi Vitrià 20391: Visió per Computador 23
  24. 24. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids. Correspondència: Donada una imatge, hi ha molts llocs i moltes maneres per a provar de fer correspondre l’objecte! Representació: Com representem internament els objectes per a que el procés de correspondència sigui eficient? Un model per a tot? Un model per a cada vista?... Semblança: Com decideixo que he trobat una correspondència? Jordi Vitrià 20391: Visió per Computador 24
  25. 25. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids: Reconeixement per alineació. Es basa en buscar la correspondència entre una vista 2D d’un objecte rígid i un model 3D. L’objecte vist pot tenir una posició 3D, orientació i escala arbitràries, i pot estar semiocult. Dividim el problema en dos parts: • Aliniació • Transformació i comparació. Jordi Vitrià 20391: Visió per Computador 25
  26. 26. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids: Reconeixement per alineació. Alineació del model amb la imatge a partir d’un conjunt reduït de punts del model i de la imatge. Si assumim que l’objecte es pot representar bé amb una “projecció ortogonal+escala”, llavors es pot demostrar que: “..donats tres punts del model sobre un pla paral·lel al pla imatge i tres punts a la imatge, hi ha una única transformació que posa en correspondència els punts del model i els de la imatge”. Jordi Vitrià 20391: Visió per Computador 26
  27. 27. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids: Reconeixement per alineació. Imatge model i punts Punts característics Resultats amb un característics detectats en una nivell de semblança escena. suficient. Hi ha forces correspondències possibles! Jordi Vitrià 20391: Visió per Computador 27
  28. 28. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids: Reconeixement per alineació. Jordi Vitrià 20391: Visió per Computador 28
  29. 29. 20391: Visió per Computador Apunts de l’assignatura Mètodes Ajust de Models Rígids: Reconeixement per alineació. Però, com comparem? Hi ha diverses solucions: funció distància entre característiques binàries. A cada punt de la imatge li assignem un valor equivalent a la distància que hi ha entre aquest punt i la característica més propera. Quan projectem les característiques del model, sumem els valors de la funció distància del píxels sobre els que han caigut les característiques. Com menor sigui el valor, més correspondència! Jordi Vitrià 20391: Visió per Computador 29
  30. 30. 20391: Visió per Computador Apunts de l’assignatura Mètodes Un cas interessant: detecció de cares. Processament de cares: Detection i tracking Alineament i normalització. Representació i modelat d’identitats. Jordi Vitrià 20391: Visió per Computador 30
  31. 31. 20391: Visió per Computador Apunts de l’assignatura Mètodes Un cas interessant: detecció de cares. cares La imatge es divideix en un gran conjunt de Calculem mesures locals finestres (solapades). Cada finestra és classificada a la imatge com a “cara” o “no cara”, basant-se en un conjunt de mesures locals. Classificador Cara/No cara Jordi Vitrià 20391: Visió per Computador 31
  32. 32. 20391: Visió per Computador Apunts de l’assignatura Mètodes Un cas interessant: detecció de cares. cares Partim d’un GRAN conjunt d’exemples i contraexemples. Jordi Vitrià 20391: Visió per Computador 32
  33. 33. 20391: Visió per Computador Apunts de l’assignatura Mètodes Un cas interessant: detecció de cares. Estratègia: Preprocessament & Normalització de mida Canonical Face Pattern Model Finestra analitzada Comparació Finestra normalitzada Classificador Cara/No Cara Jordi Vitrià 20391: Visió per Computador 33
  34. 34. 20391: Visió per Computador Apunts de l’assignatura Mètodes Un cas interessant: detecció de cares. Jordi Vitrià 20391: Visió per Computador 34

×