Pregled metoda za automatsku detekciju i prepoznavanje ... - FESB

More documents

Recommendations

Info

globalnih značajki po slici, što je čini jako neefikasnom; • uzorkovanje pomoću pravilnih mreža (engl. fixed/regular/uniform grid sampling) (npr. [70, 71]) – ovom se metodom uzorkovanja slika se jednoliko dijeli na blokove koji se ne preklapaju. Ako se blokovi preklapaju, metoda se naziva metoda gustog uzorkovanja (engl. dense sampling) (detaljnije u [72]); • kombinacija gustog uzorkovanja i točaka interesa (engl. dense interest points) (detaljnije u [72]) – ova metoda uzorkovanja slike započinje sa gustim uzorkovanjem, a dobiveni blokovi se nadalje prilago ¯davaju "zanimljivim" područjima slike; • nasumično uzorkovanje (engl. random sampling) (npr. [70, 73, 74]) – ovom se metodom uzorkovanja slike regije slike za koje će se računati globalne značajke odre ¯duju na nasumičan način. U [70] je pokazano da se za kategorizaciju prirodnih scena bolji rezultati postižu korištenjem pravilnih mreža nego nasumičnim uzorkovanjem. Slika 3.21: Prvi stupac slike prikazuje izvorne slike, drugi prikazuje preklapajuće pravilne mreže, tj. gusto uzorkovanje, treći prikazuje kombinacije gustog uzorkovanja i točaka interesa, a četvrti prikazuje točke interesa. Preuzeto iz [72] Primjer računanja globalnih značajki neke slike može se pokazati na modelu zbirki značajki (engl. bag of words, bag of features), koji je nastao kao tehnika za statističku obradu prirodnog jezika (engl. natural language processing) pomoću koje bi se mogle odrediti kategorije kojoj obra ¯divani dokumenti pripadaju, a kasnije se proširio i na obradu i analizu digitalne slike. Bosch et al. su u [75] opisali model zbirki značajki 1 i objasnili da se on sastoji od četiri koraka: automatske detekcije točaka ili regija interesa, računanja lokalnih opisnika tih značajki, kvantiziranja tih opisnika u tzv. vizualne riječi te izgradnje rječnika vizualnih riječi, i na kraju odre ¯divanje vrste i broja vizualnih riječi koje se nalaze na slici i konstrukcije histograma vizualnih riječi. Grafički prikaz konstrukcije histograma vizualnih riječi u modelu zbirki značajki dan je na slici 3.22. Histogram vizualnih riječi predstavlja globalnu reprezentaciju slike. Usporedbom tog histograma sa histogramima drugih slika, mogu se pronaći slike koje imaju slične histograme, tj. slike koje imaju sličan sadržaj i najvjerojatnije pripadaju istoj semantičkoj kategoriji. 1 U nastavku teksta se pojam "model zbirki značajki" odnosi na model zbirki značajki koji se koristi u obradi i analizi digitalnih slika, a ne u obradi prirodnog jezika. 30
Slika 3.22: Primjer konstrukcije histograma vizualnih riječi u modelu zbirki značajki. Adaptirano iz [75] 31
Page 1 and 2: SVEUČILIŠTE U SPLITU FAKULTET ELE
Page 3 and 4: Literatura 34 3
Page 5 and 6: 2 Ljudska vizualna percepcija Vizua
Page 7 and 8: dances) [16], odnosno interakcija k
Page 9 and 10: Slika 2.3: Primjer rastava oblika n
Page 11 and 12: udaljenosti od najbližeg ruba, itd
Page 13 and 14: opis teksture, već i za njezinu si
Page 15 and 16: Slika 3.5: Primjer značajki koje s
Page 17 and 18: • lokalne značajke mogu imati od
Page 19 and 20: danas naziva Plessey detektor [44],
Page 21 and 22: gdje je: kutnost (engl. cornerness)
Page 23 and 24: Laplace operator je jako osjetljiv
Page 25 and 26: Slika 3.15: Lokalne značajke detek
Page 27 and 28: Slika 3.17: Princip rada SUSAN dete
Page 29: Slika 3.19: Ilustracija važnosti g
Page 33 and 34: Popis oznaka i kratica 2D - 2-Dimen
Page 35 and 36: [14] Kritina L. Holden. The effecti
Page 37 and 38: [42] Theodosios Pavlidis. Algorithm
Page 39: [71] Svetlana Lazebnik, Cordelia Sc

Pregled metoda za automatsku detekciju i prepoznavanje ... - FESB

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?