Machine Vision Technology：Lecture9 Recognition | bag of features

最新推荐文章于 2024-10-05 22:34:51 发布
最新推荐文章于 2024-10-05 22:34:51 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
08-29 946
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
09-20 887
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 6458
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 4484
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 1549
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
01-21 856
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 3483
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 7977
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 2662
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...
红外画面空中目标检测系统源码分享
xuehaishijue的博客
10-02 1228
数据集信息展示在现代计算机视觉领域，尤其是在空中目标检测的研究中，数据集的构建与选择至关重要。本研究所采用的数据集名为“Air Vehicles”，专门针对红外画面中的空中目标检测任务而设计。该数据集包含四个主要类别，分别是“Airplane”（飞机）、“Bird”（鸟类）、“Drone”（无人机）和“Helicopter”（直升机）。这些类别的选择不仅涵盖了多种常见的空中目标，还反映了当前无人机技术和航空活动的快速发展。
COMP 9517 Computer Vision week3
最新发布
沃然
10-05 701
根据匹配点 A 和 B 估计变换xiByiBxiAyiAtxtyx_i^B \\y_i^Bx_i^A \\y_i^At_x \\t_yxiB​yiB​​xiA​yiA​​tx​ty​​通过这些匹配点，可以计算出从左图到右图的平移向量txt_xtx​和tyt_yty​，从而实现图像对齐。
[C#]C# winform部署yolov11目标检测的onnx模型
FL1623863129的博客
10-03 957
最后运行项目选择x64 Debug即可，由于初次运行可能报错，如果报错请查看https://blog.csdn.net/FL1623863129/article/details/135424751。（2）下载模型：https://github.com/ultralytics/assets/releases/download/v8.3.0/yolo11n.pt。（4）然后将yolo11.onnx模型放进FIRC\bin\x64\Debug\weights。
目标检测评价指标
m0_57442556的博客
10-02 357
目标检测评价指标
05_图片剪切
A_Lv123的博客
09-29 477
dst = img[350:650,550:800] #这里选取矩形区域X：550-800 Y：350-650。image_widget2.value = bgr8_to_jpeg(dst) #剪切的图像。image_widget1.value = bgr8_to_jpeg(img1) #原始图像。以下会在jupyterLab控件中显示两种压缩后的图像对比显示。#bgr8转jpeg格式。
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