Seminar

Ing Andrej Fogelton

Object Class Recognition

Prezentácia uvádza tému rozpoznávania tried objektov v obrazových dátach s ciel’om vyvinút’ systém, ktorý by dokázal rozpoznávat’ objekty a to s nízkou časovou odozvou. Práca sa venuje najpoužívanejším, ale i najmodernejším prístupom v tejto oblasti. Podrobnejšie sa zaoberá metódou sémantických textúrových lesov nielen kvôli jej nízkej výpočtovej náročnosti, ale i jednoduchosťou samotnej metódy. Bližšie sa môžeme dozvediet’ o vlastnostiach použitých príznakov, ale aj klasifikátora náhodný les, ktorý dosahuje porovnatel’né výsledky s inými klasifikátormi, ale za podstatne nižší čas. Informujeme o vlastných experimentoch pri klasifikátore rozhodovacích stromov a koherentného zhlukovania pixlov.

RNDr. Andrej Lúčny, PhD.

Dominant Orientation Templates (DOT)

Dominant Orientation Templates (DOT) je metoda na rozpoznavanie objektov nepravidelnych tvarov, navrhnuta v [Holzer 2010], je zjednodusenim Histogram of Gradients (HOG), v porovnani s ktorou je výrazne rychlejsia, pricom nema horsiu experimentalnu uspesnost. Hladany objekt je pri metode DOT reprezentovany mnozinou sablon, obsahujucich v mriezke rozlozene orientacie vyznacnych gradientov na hranach objektu. Sablona je ziskana za optimalnych kontrastnych podmienok a potom pouzita v ramci neprehladnejsej sceny. Sablona je získaná poloautomaticky. Prednasajuci sa zaoberal so svojim diplomantom Michalom Vicianom moznostami plne automatickeho ziskania tejto sablony na zaklade sledovanie pohybujucich sa objektov v scene.