machine learning image recognition

1. 真槍實彈
MACHINE LEARNING─影像處理篇
黃翊庭 Grady Huang

2. AGENDA
 早在1970年代就在處理Big Data
 影像原來這麼近
 影像處理可大可小
 電腦視覺-五零祕笈
 妳是我的眼
 機器原來可以這樣學習
 學習的路還很長

3. 早在1970年代就在處理BIG DATA
=786432筆像素數據
Image Size:512*512*3 px
將近80W筆的數值資料
竟然在1973發生
意義深遠 影響至今
www.lenna.org

4. 早在1970年代就在處理BIG DATA

5. 影像處理可大可小

6. 影像處理可大可小
攝影機校正
機器視覺學習
模仿人眼
視覺式監控
視訊物件切割
視訊物件追蹤
視訊內涵分析視訊索引與檢索
人體姿勢辨識
行為辨識
機器人視覺
數位訊號處理
運動分析 景物分析
電腦視覺影像處理技術
醫學影像處理
文件影像處理
表情辨識
手勢辨識

7. 影像原來這麼近
Image Size:260*363 px
Total Size:
260*363*3=283140
(121,184,237)
#79b8ed
R
G
B

8. 電腦視覺-五零祕笈
影像擷取 前置處理 物件分割 表示或描述 辨識與解釋
知識庫
機器學習

9. Color Chart Detection
Edge DetectionVideo Stream Color Convert
Chart Detection
Connected Component Component Detection

10. Experimental Results

11. 妳是我的眼

12. 妳是我的眼

13. 妳是我的眼

14. 妳是我的眼
陸標圖資管理平台
穿戴式視覺輔具
位置區域

15. 機器原來可以這樣學習
抽取 訓練 匹配

16. 抽取 影像特徵
圖片的特徵通常是指物體之輪廓、邊緣、角點、顏色等，具備
高識別度或具獨特性之圖像特徵。

17. 特徵抽取演算法
•SURF (Speeded-Up Robust Features)
•FAST Algorithm for Corner Detection
•BRIEF (Binary Robust Independent Elementary Features)
•ORB (Oriented FAST and Rotated BRIEF)

18. 特徵抽取

19. 特徵抽取

20. 訓練 機器學習演算法
•人工神經網路
•決策樹
•高斯過程回歸
•最近鄰居法
•支持向量機

21. 訓練 機器學習演算法
從特徵資料庫中快速找出最鄰近(Nearest neighbor )的特徵點。
Multiple randomized kd-trees

22. 匹配 比對辨識
使用最鄰近距離比對方法(Nearest Neighbor Distance Ratio, NNDR)進行判斷
1. 從 S2 取出一個特徵點 T。
2. 從 S1 中找出跟 T 最近的特徵點 closest T1和第二近的特徵點 sec closest T1。
3. 使用 NNDR 判斷比對是否成功，失敗的話從新再比對。
SURF feature set: S1 SURF feature set: S2
closest T1
closest T2
The first step
The second step
T
特徵資料庫
特徵集合
場景特徵
特徵集合

23. 匹配 比對辨識

24. 匹配 比對辨識
隨機抽樣一致演算法 (Random Sample Consensus, RANSAC)
包含許多離群的一組數據，要找一條最適合的線。 RANSAC找到的線 (藍色點為內群,紅色點為離群)

25. 匹配 比對辨識

26. 學習的路還很長
目標學習 特徵篩選&合併
圖資特徵擷取
建立特徵索引
所有圖資特徵點
總數相似合併
陸標特徵比對
多重隨機K-D 樹演算法
建立特徵索引結構
尋找索引結構
鄰近特徵點
結果過濾除錯
隨機抽樣一致
RANSAC
演算法

27. 學習的路還很長
資料庫圖資:66筆
圖片壓縮:320*240
建索引花費時間:
3.684秒
比對花費時間:
0.05秒