Machine Vision Technology：Lecture9 Recognition | bag of features

最新推荐文章于 2024-11-16 00:12:37 发布
最新推荐文章于 2024-11-16 00:12:37 发布
阅读量1k 收藏 10
点赞数 7
分类专栏： Machine Vision Technology（本） 文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ArthurHai521/article/details/136907223
版权

Machine Vision Technology：Lecture9 Recognition | bag of features

计算机视觉（本科） 北京邮电大学 鲁鹏

  • Introduction to object recognition
    • Representation
    • Learning
    • Recognition
  • Bag of Words models
    • Basic representation
    • Different learning and recognition algorithms

the different visual recognition tasks

  • Classification：

Does this image contain a building? Is this an beach? [yes/no]

在这里插入图片描述

  • Image Search & Organizing photo collections

  • Detection：

Does this image contain a car? [where?]

在这里插入图片描述

Which object does this image contain? [where?]

在这里插入图片描述

Accurate localization (segmentation) ：

在这里插入图片描述

Estimating object semantic & geometric attributes 估计对象的语义和几何属性

在这里插入图片描述

Applications of computer vision

  • Computational photography 计算摄影：利用数字运算而非传统光学过程的数字图像拍摄。提高相机性能，减少成本和尺寸，生成3D图像、增强景深和选择性散焦等。

在这里插入图片描述

  • Surveillance 监测监控

在这里插入图片描述

  • Assistive driving 辅助驾驶

在这里插入图片描述

Categorization vs Single instance recognition

区分类别分类和单一实例识别。

The Goals of Visual Recognition

  • Design algorithms that are capable to
    • Classify images or videos
    • Detect and localize objects
    • Estimate semantic and geometrical attributes
    • Classify human activities and events

The Challenges of Visual Recognition

  • viewpoint variation 视角变化
    在这里插入图片描述

  • illumination 光照影响
    在这里插入图片描述

  • scale 尺度影响

在这里插入图片描述
在这里插入图片描述

  • deformation 形变

  • occlusion 遮挡

在这里插入图片描述

  • background clutter 背景杂波

在这里插入图片描述

  • intra-class variation 类内变化

在这里插入图片描述

Basic issues

  • Representation

    • How to represent an object category; which classification scheme?

  • Learning

    • How to learn the classifier, given training data

  • Recognition

    • How the classifier is to be used on novel data

Representation

  • 提取区域：Building blocks: Sampling strategies 构建模块:抽样策略

提取点特征的算子称为兴趣算子或有利算子（Interest Operator），比较经典的有 Moravec 算子、Forstner 算子以及 Harris 算子等。

在这里插入图片描述

  • 数据组织：Appearance only or location and appearance 仅外观或位置和外观

在这里插入图片描述

  • Invariances for the challenges of Visual Recognition

To handle intra-class variability, it is convenient to describe an object categories using probabilistic models 为了处理类内的可变性，使用概率模型来描述对象类别是很方便的

Object models: Generative vs Discriminative vs hybrid 对象模型:生成型、判别型和混合型

  • Object categorization: the statistical viewpoint 对象分类:统计学观点

在这里插入图片描述

Discriminative methods model posterior

Generative methods model likelihood and prior

  • Discriminative models

在这里插入图片描述
在这里插入图片描述

  • Generative models

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Learning

在这里插入图片描述

Recognition

  • Recognition task: classification, detection, etc. .

在这里插入图片描述

  • Search strategy: Sliding Windows
    • Simple
    • Computational complexity ( x, y, S, θ, N of classes)
      • BSW by Lampert et al 08
      • Also, Alexe, et al 10
    • Localization
      • Objects are not boxes
      • Prone to false positive

在这里插入图片描述

Bag-of-features models

在这里插入图片描述

Origin 1: Texture recognition

Origin 2: Bag-of-words models

Orderless document representation: frequencies of words from a dictionary 无序文档表示: 字典中单词的频率

Bag-of-features steps

在这里插入图片描述

  • 1.Extract features : Regular grid or interest regions

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

  • 2.Learn “visual vocabulary”

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Example codebook：

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • 3.Represent images by frequencies of “visual words”

在这里插入图片描述

Spatial pyramid representation 空间金字塔表示

Extension of a bag of features : Locally orderless representation at several levels of resolution

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
不同层级的向量合并起来构成更多维，即是两幅图像的level0相同，在更细的层次上level1可能不同。

HW

4.27 - 5.26
在这里插入图片描述

shlyyy
关注
专栏目录
一份史上最详细的计算机视觉资料：包括书籍、论文、数学理论、代码、数据集
Tiger数学之家的博客
08-29 981
Awesome Computer Vision A curated list of awesome computer vision resources, inspired by awesome-php. For a list people in computer vision listed with their academic genealogy, please visit here Table...
【ISE318: Industrial Engineering Techniques and Methods】
m0_66706847的博客
09-20 994
Industrial Engineering Techniques and Methods Learning Notes
【Computer Vision】计算机视觉相关课程和书籍
放飞梦想，展望未来
03-16 6500
Table of Contents BooksCoursesPapersSoftwareDatasetsTutorials and TalksResources for studentsBlogsLinksSongs Books Computer Vision Computer Vision: Models, Learning, and Inference - Simo
Awesome Computer Vision
Belial计算机视觉&机器视觉专栏
07-07 4494
Table of Contents BooksCoursesPapersSoftwareDatasetsTutorials and TalksResources for studentsBlogsLinksSongs Books Computer Vision Computer Vision: Models, Learning, and Inference - Simo
【转】awesome computer vision
tyu5658的专栏
09-13 1569
github awesome computer visionAwesome Computer Vision: A curated list of awesome computer vision resources, inspired by awesome-php.For a list people in computer vision listed with their academic genea
awesome-computer-vision 计算机相关资源~-2016
qq_27009517的博客
01-21 871
Awesome Computer Vision: from:  https://github.com/jbhuang0604/awesome-computer-vision#courses A curated list of awesome computer vision resources, inspired by awesome-php. For a list people in com...
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_33980459的博客
09-07 3521
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)   《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Ne...
机器人工程本科专业课教学资源汇总（2018年暑假补充学习用）
zhangrelay的专栏
07-24 8023
手机应用软件：Robotics Engineering - Apps on Google Play This Robotics Engineering App provides the basic know-how on the foundations of robotics: modelling, planning and control. The App takes the user thr...
SIFT特征教程：Scale Invariant Feature Transform
GarfieldEr007的专栏
12-26 2675
Tony Lindeberg (2012), Scholarpedia, 7(5):10491. doi:10.4249/scholarpedia.10491 revision #149777 [link to/cite this article] Post-publication activity Curator: Tony Linde
Lecture-notes-for-Machine-Learning:Lecture notes for Machine Learning (机器学习讲义)
07-24
Lecture notes for Machine Learning (机器学习讲义) Python 3.5 主要内容 , 定义； 方向； 模； 性质； 应用； , 一元高斯分布； 多元高斯分布； 多元独立标准高斯分布； 一般多元高斯分布； 几何解释； 高斯分布的...
计算机网络英文课件：lecture-10-Principles of Transform Layer Protocol.ppt
06-14
计算机网络英文课件：lecture-10-Principles of Transform Layer Protocol.ppt
操作系统课件：Lecture9 进程的死锁.ppt
06-17
在"操作系统课件：Lecture9 进程的死锁.ppt"中，主要探讨了死锁的定义、性质、产生条件以及解决策略。 死锁的四个必要条件是： 1. 互斥：某些资源在同一时间只能被一个进程使用。 2. 占有并等待：一个进程已经占有...
计算机组成与结构：lecture 9 Computer Arithmetic.pdf
06-14
在Lecture 9“Computer Arithmetic”中，我们主要探讨了算术逻辑单元（Arithmetic and Logic Unit, ALU）、整数表示法以及浮点数表示和计算。 算术逻辑单元（ALU）是计算机的核心组成部分，负责执行基本的算术和...
计算机视觉和机器人技术中的下一个标记预测与视频扩散相结合
weixin_41446370的博客
11-11 939
"序列模型的目的是以已知的过去为条件，预测未知的未来，这是一种二进制掩蔽。在测试时，我们的系统可以 "解除 “标记集合的屏蔽，并在不久的将来以较低的噪音水平扩散一个序列。在求解二维迷宫的任务中，Diffusion Forcing 的表现优于六种基线方法，它能更快地生成通往目标位置的计划，这表明它可以成为未来机器人的有效规划器。这一名称来源于 “教师强迫”（Teacher Forcing），它是一种传统的训练方案，将完整的序列生成分解成更小、更容易的下一个标记生成步骤（就像一位好老师简化复杂的概念一样）。
YOLO理解
最新发布
叶落随风
11-16 687
Anchor Boxes：Anchor boxes是一种预定义的边界框集合，用于处理不同大小和形状的目标，YOLO模型在每个网格单元上预设多个anchor boxes，并为每个box预测其偏移量和类别，这种设计允许YOLO在处理多尺度目标时更加灵活。Non-Maximum Suppression (NMS)：NMS是一种后处理技术，用于消除多个重叠的边界框，保留置信度最高的那个，这一过程能够有效减少检测结果中的冗余和重复，提高检测结果的准确性。
基于YOLOv8模型的安全背心目标检测系统（PyTorch+Pyside6+YOLOv8模型）
BestSongC的博客
11-10 962
基于YOLOv8模型的安全背心目标检测系统可用于日常生活中检测与定位安全背心目标，利用深度学习算法可实现图片、视频、摄像头等方式的目标检测，另外本系统还支持图片、视频等格式的结果可视化与结果导出
计算机视觉 ---常见图像文件格式及其特点
m0_72968288的博客
11-09 1202
本文将介绍几种常见的图像文件格式及其特点
Misc_01转二维码(不是二进制)
2301_80284843的博客
11-15 1335
Misc
人群计数制作私有数据集教程-----自用
gygedg的博客
11-12 759
2.进入cclabeler-master\users\，会看到test.json文件，打开json文件，password在登录浏览器界面时要用到，data存放你待标注的图片名称（可以自己写个python脚本生成字符串），不用后缀，done和half保持空的状态。txt转.mat文件，这里就遇到问题了，直接用这个博客转的mat文件跟ShanghaiTech数据集是不太一样的，但因为是要往后继续生成的，它最后要生成density map，解决方案：关掉酷狗音乐的进程，因为它的串口也是：8000；
段式与虚存管理详解：Lecture11 存储结构与地址转换
在操作系统课件Lecture11中，主要讲解了段式存储管理和虚存的概念及其在计算机内存管理中的应用。段式管理是一种早期的存储管理方法，其核心思想是将用户作业的逻辑空间划分为若干个连续或不连续的段，每个段有自己...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

shlyyy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值