1 / 12

Sử dụng GA tối ưu hóa tham số cho bài toán nhận dạng ảnh sử dụng CRF

Sử dụng GA tối ưu hóa tham số cho bài toán nhận dạng ảnh sử dụng CRF. Bài toán. Nhận dạng các đối tượng trên ảnh và gán nhãn cho chúng Đầu vào : Một ảnh n x n pixel Các nhãn sẽ gán cho vật thể trên ảnh ( Cây , bầu trời , con vật ,… ) Đầu ra : Ma trận n x n pixel đã được gán nhãn.

avani
Download Presentation

Sử dụng GA tối ưu hóa tham số cho bài toán nhận dạng ảnh sử dụng CRF

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sửdụng GA tốiưuhóathamsốchobàitoánnhậndạngảnhsửdụng CRF

  2. Bàitoán • Nhậndạngcácđốitượngtrênảnhvàgánnhãnchochúng • Đầuvào: • Mộtảnh n x n pixel • Cácnhãnsẽgánchovậtthểtrênảnh (Cây, bầutrời, con vật,… ) • Đầura: • Ma trận n x n pixel đãđượcgánnhãn

  3. Cácnghiêncứuliênquan: • Bàitoánnhậndạngvậtthểđượcphânlàm 2 bàitoán con • Phânvùngcácvậtthể • Gánnhãnvậtthể • Cácbàitoán con đãđượcgiảiquyếtbởinhiềunhànghiêncứutrênthếgiới • Cómộtsốnghiêncứuđãkếthợpgiảicùng 1 lúccả 2 bàitoán con

  4. Cácnghiêncứuliênquan • Giải 1 trong 2 bàitoán con • Nhậndạnglớpvậtthể • Fergus, R., Perona, P., Zisserman, A.: Object class recognition by unsupervised scale-invariant learning. In: CVPR'03. Volume II. (2003) 264 - 271 • Berg, A.C., Berg, T.L., Malik, J.: Shape matching and object recognition using low distortion correspondences. In: CVPR. (2005) • Winn, J., Criminisi, A., Minka, T.: Categorization by learned universal visual dictionary. Int. Conf. of Computer Vision (2005)

  5. Cácnghiêncứuliênquan • Giải 1 trong 2 bàitoán con • Phânvùngảnh • Kumar, S., Herbert, M.: Discriminative felds for modeling spatial dependencies in natural images. In: NIPS. (2004) • Borenstein, E., Sharon, E., Ullman, S.: Combining top-down and bottom-up segmentation. In: Proceedings IEEE workshop on Perceptual Organization in Computer Vision, CVPR 2004. (2004)

  6. Cácnghiêncứuliênquan • Giảikếthợpcả 2 bàitoán: • Winn, J., Jojic, N.: LOCUS: Learning Object Classes with Unsupervised Segmentation. Proc. of IEEE ICCV. (2005) • Kumar, P., Torr, P., Zisserman, A.: Obj cut. Proc. of IEEE CVPR. (2005) • Leibe, B., Schiele, B.: Interleaved object categorization and segmentation. In:BMVC'03. Volume II. (2003) 264-271

  7. Cácnghiêncứuliênquan • Giảithuậtcơsở • Duygulu, P., Barnard, K., de Freitas, N., Forsyth, D.: Object recognition as machine translation: Learning a lexicon for a fixed image vocabulary. ECCV (2002) • Phânvùngvàgánnhãnchocác pixel mộtcáchtựđộng • Phânvùngđộclập, khôngxemxét ý nghĩavậtthể • Gánnhãntrêncácvùngđãđượcphân

  8. Cácnghiêncứuliênquan • Tu, Z., Chen, X., Yuille, A.L., Zhu, S.: Image parsing: Unifying segmentation, detection, and recognition. In: CVPR. (2003) • Ứngdụngthựchiệnphânvùngvànhậndạngtrênmộtmôhình Bayesian duynhất • Chi phítínhtoánlớn, nhiềusaisố • Konishi, S., Yuille, A.L.: Statistical cues for domain speci¯c image segmentation with performance analysis. In: CVPR. (2000) • Đơngiản, sửdụngthốngkê Bayesian • Cókếtquảtốt, tuynhiênchỉtrên 1 tậpnhãnnhỏ, và 1 bộảnhduynhất

  9. Cácnghiêncứuliênquan • Nhậndạngsửdụng CRF • He, X., Zemel, R.S., Carreira-Perpinan, M.A.: Multiscale conditional random fieldsfor image labeling. Proc. of IEEE CVPR (2004)

  10. Cácnghiêncứuliênquan • Cảithiệnsửdụngtexton:

  11. Cơsởthuậttoán • Cácbướcthựchiện • Textonshóaảnh • Sửdụng CRF trêncácđặctrưngđểgánnhãn pixel • Vânbềmặt, hìnhdáng • Viền • Màusắc • Vịtrí

  12. Cơsởthuậttoán • Textonshóaảnh

More Related