1 / 17

後藤 雄飛

Machine learning for high-speed corner detection. 後藤 雄飛. 2011.10.11. 論文紹介. Machine learning for high-speed corner detection [ECCV2006] 機械学習を利用した高速なコーナー検出手法 著者 Edward Rosten ， Tom Drummond ケンブリッジ大学 ( イギリス ). パノラマ画像の作成. 1. キーポイント検出 2. 特徴量記述 3. 対応付け 4. 画像の合成. 1. キーポイント検出

tamber
Download Presentation

後藤 雄飛

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. Machine learning for high-speed corner detection 後藤雄飛 2011.10.11

  2. 論文紹介 • Machine learning for high-speed corner detection [ECCV2006] • 機械学習を利用した高速なコーナー検出手法 • 著者 Edward Rosten，Tom Drummond ケンブリッジ大学(イギリス)

  3. パノラマ画像の作成 1. キーポイント検出 2. 特徴量記述 3. 対応付け 4. 画像の合成 1. キーポイント検出 2. 特徴量記述 3. 対応付け 4. 画像の合成 パノラマ画像 高速なキーポイント検出手法が必要

  4. キーポイント検出手法 • SIFT(DoG)[ICCV1999] • DoG画像を利用した極値探索によるキーポイント検出 • SURF[ECCV2006] • 近似Hessian-Laplaceによるキーポイント検出 • FAST[ECCV2006] • 決定木を利用したコーナー判定によるキーポイント検出 高速なキーポイント検出 FASTはSIFTと比較して約45倍高速な処理が可能

  5. キーポイント検出と特徴量記述の変遷 FASTを使用

  6. Features from Accelerated Segment Test (FAST) • コーナーのみをキーポイントの対象として検出 • 決定木を用いたコーナー検出 • 高速かつ省メモリなコーナー検出が可能 • SIFT(DoG)と比較して約45倍高速

  7. FASTによるコーナー検出 • 注目画素pの周辺の円周上の16画素を観測 pがコーナーである条件 p の輝度値と比較して円周上の輝度値が連続してn個以上が しきい値t以上明るい，もしくは暗い

  8. FASTによるコーナー検出 • コーナー検出の高速化 pがコーナーである条件 p の輝度値と比較して円周上の輝度値が連続してn個以上が しきい値t以上明るい，もしくは暗い pがコーナーである条件 上下左右の円周上の画素(1,5,9,13)のうち，3つの輝度値が しきい値t以上明るい，もしくは暗い 条件を満たす場合のみ円周上の16画素を観測

  9. 問題点 • n<12のときには高速化が適応できない • n=9のときに再現性の高いコーナー検出が可能 • 上下左右の4画素を観測した早期打ち切りは最前の方法とは限らない • 非コーナーにおいても条件を満たす場合が多い

  10. 決定木によるコーナー検出 • 学習画像の画素を特徴ベクトル化 • 注目画素p周囲の円周上の輝度値を3値化 注目画素pの輝度値 円周上の輝度値 しきい値

  11. 決定木によるコーナー検出 • 決定木の構築 • 特徴ベクトルによる3分木の学習 学習画像 分岐ノード 特徴ベクトルによる分岐 末端ノード 最も到達したクラスを保存

  12. 決定木によるコーナー検出 • 分岐関数 • 3値化された特徴ベクトルにより3通りに分岐 • 情報利得が最大になる特徴(円上の画素)を使用 brighter similar darker 情報利得が0になるまで分岐させる コーナーの数 非コーナーの数

  13. 決定木によるコーナー検出 • 画像の各画素を入力してコーナー判定 • リーフノードに保存されたクラスに分類 n= 9 のとき，平均で2.16画素の検証でコーナー検出が可能

  14. コーナー点のレスポンス値の算出 • レスポンス値V • レスポンス値を用いて隣接するコーナー点の除去 レスポンス値が最大のコーナーを採用 コーナーとして検出された画素 注目画素より明るい 注目画素より暗い

  15. キーポイント検出 • SIFT(DoG)，SURFとのキーポイント検出時間の比較 SIFTと比較して約606倍，SURFと比較して約48倍高速なキーポイント検出が可能

  16. キーポイント検出 • PALビデオシーケンスを用いた処理速度とメモリの比較 FASTは高速かつ省メモリなキーポイント検出が可能

More Related