[2023 ICML]ObjectLab: Automated Diagnosis of Mislabeled Images in Object Dete...
september report in korean
1. 9월 보고서2009.9.01~2009.9.30Project titleAutomatic growing object learning for robot using 3d information through stereo vision. ( 원 주제 : stereo vision을 통한 3d 추출, 3d 정보를 사용하여 인공지능의 습관을 통해 객체화, 객체학습, 인지, 인식하는 로봇 )Report titlematching algorithm, merging algorithm, Object databaseMember name나오 다까또시(Nao Takatoshi), 김 희성Contents특징점 matching시 정확성 테스트Query에서 matching된 DB의 특징점들이 시야 안 180도안에 들어 오는 지 확인 하는 알고리즘을 통해서 테스트 3d Euclidian distance를 가지고 실제 DB의 특징점간 관계와 같은지 테스트기존에 있는 DB에 있는 특징점과 조사 후 같다고 판명될 경우 기존 DB와 정합(merging)시키는 알고리즘 구축 cleaning outliers : segmentation되어 나온 mask image를 이용해서 mask로 해당되지 않은 부분에 나온 특징점을 없앰새로운 물체를 learning할 때에는 texture, depth map, key(SIFT)를 DB에 저장key correspondence를 구함.각 DB와 Query의 key list 각각에서 일치된 key 순서대로 key간 Euclidian distance를 구함.기존 DB key들과 Query key들 사이에 변환하기 위한 pseudo inverse matrix를 구함실험OpenGL로 merging결과를 확인해 본다. 실패 원인 조사 규명 중. Object database의 설계Database 내의 정보Color texture dataFeature point dataDepth map dataEtc..위의 정보는 Object가 같은 것으로 분류될 경우 누적되어 저장됨Classification의 Decision tree를 통하여 위치를 결정Decision tree는 시간 상의 문제로 Directory(Tree) 방식으로 변경Object Database의 구현Database system( oracle, mysql 등)을 이용한 Object database 구현 계획여건 상 Directory기반의 Tree형태로 database를 구현하기로 결정Object view widget 구현Tree view 형태로 구현프로그램 시작과 동시에 Database 검색하게 함Leaf node와 Non-leaf node를 구별하고 색을 다르게 함Merge와 3D view를 구현