Reconhecimento de Instâncias (parte 2)
|
|
- Artur Tavares
- 5 Há anos
- Visualizações:
Transcrição
1 Reconhecimento de Instâncias (parte 2) Rafael Galvão de Mesquita Carlos Alexandre Mello
2 SURF Speeded-Up Robust Features [3] Computer Vision and Image Understanding, 2004
3 SURF Baseado em conceitos similares ao SIFT Porém com uma grande vantagem: maior velocidade! Aproximação da DoG Uso de imagens integrais [9] reduzem o tempo de processamento
4 SURF Imagem Integral Cálculo rápido de filtros box Valor da imagem integral S(x, y) representa a soma de todos os pixels da imagem de entrada I em uma região retangular entre (0,0) e x, y S x, y = σ i<x i=0 σ j<y j=0 I(i, j)
5 SURF Imagem Integral Cálculo da imagem integral é realizado em apenas uma passagem pela imagem S x, y = I x, y + S x 1, y + S x, y 1 S(x 1, y 1)
6 SURF Cálculo da área de uma região retangular qualquer usando uma imagem integral S = s D s B s C + s(a) Area = = 16 Area = D C B + A = = 16 Vantagem: 4 acessos à memória, para qualquer tamanho de janela O(1)
7 SURF Fast-Hessian Detector Aproxima Diferença de Gaussianas utilizando filtros box Possibilita o uso de imagens integrais
8 SURF Detecção de Keypoints matriz Hessiana H = D xx D xy D xy D yy H aproximada utilizando filtros box (B) H B xx B xy B xy B yy São selecionados pontos de máximo determinante em uma vizinhança 3x3x3 que excedam um limiar th
9 SURF Scale-Space Custo computacional no redimensionamento da imagem é eliminado Ao invés de reduzir o tamanho da imagem (SIFT), tamanho do filtro aumenta (sem que o custo seja aumentado, já que imagens integrais são utilizadas)
10 SURF Orientação Uso de Haar-Wavelets em conjunto com imagens integrais Tamanho dos filtros e da vizinhança definida em função da escala do ponto Respostas pesadas utilizando uma gaussiana centrada no ponto
11 Orientação SURF Haar wavelets calculadas nas direções x (abscissas) e y (ordenadas) Para cada janela de tamanho π/3 uma orientação é estimada pela soma de todas as respostas das wavelets Orientação de dominante (janela de maior soma de respostas) é atribuída ao keypoint
12 SURF Descritor Região quadrada centrada no ponto de interesse Orientada em função da orientação dominante selecionada
13 SURF Descritor Região de vizinhança de cada keypoint é quebrada em 4x4 subregiões Para cada subregião Haar wavelets são computadas na direção horizontal (d x ) e vertical (d y ) (em relação à orientação dominante) d x e d y são computados em 5x5 pontos igualmente espaçados dentro da região d x e d y são pesadas com uma Gaussiana centrada no ponto de interesse
14 Descritor SURF
15 SURF Descritor Respostas de d x e d y são somadas em cada subregião para compor o descritor Além disso, soma-se d x e d y Assim, cada subregião possui um vetor descritor v = (σ d x, σ d y, σ d x, σ d y ) Tamanho do descritor: (4x4)x4=64 subregiões d x, d y, d x, d y
16 SURF Descritor Por que v = (σ d x, σ d y, σ d x, σ d y )?? Caso a região seja homogênea, todos os valores são baixos Na presença de altas frequências na direção x,σ d x é alto, mas σ d x não Se a intensidade cresce gradualmente na direção x, σ d x e σ d x são altos
17 SURF Variações SURF-128 Valores de d x e d y computados separadamente para valores positivos e negativos Tamanho do descritor dobra (128) Descritor se torna mais discriminativo, mas fase de matching se torna mais lenta... U-SURF Uso de orientação é descartado Mais rápido Específico para situações onde variações de orientação não são esperadas
18 Matching
19 Matching Imagem referência keypoints detectados descritores de cada região construídos Imagem de teste keypoints detectados descritores de cada região construídos Como relacionar as duas imagens?
20 Matching Estratégia simples (Limiarização) Definir um limiar de distância máxima t Selecionar todas as correspondências entre descritores da cena e do objeto buscado cuja distancia seja menor que t
21 Matching Estratégia simples (Limiarização) Dificilmente essa idéia funcionará bem para reconhecimento de objetos Difícil escolher um valor para t Para um valor de t muito alto muitos falsos positivos são retornados Para t muito baixo, o número de falsos negativos cresce Além disso... Existe um único valor de t apropriado?
22 Matching NNDR - Nearest Neighbour Distance Ratio (knnratio) Distância euclidiana de cada descritor de uma das imagens é calculada para cada descritor da outra imagem Distância Euclidiana
23 Matching Nearest Neighbour Ratio Distância euclidiana de cada descritor de uma das imagens é calculada para cada descritor da outra imagem Distância Euclidiana
24 Matching Nearest Neighbour Ratio Distância euclidiana de cada descritor de uma das imagens é calculada para cada descritor da outra imagem Distância Euclidiana
25 Matching Menor distância armazenada d 1 Segunda menor distância armazenada (d 2 ) Knn-ratio (k=2) Caso duas distâncias sejam próximas, temos uma ambiguidade Caso as duas distâncias sejam muito diferentes, sabemos que d 1 é, no pior caso, igualmente distinta em relação aos outros descritores Caso d 1 d 2 < r, correspondência detectada! Caso contrário, assume-se que não existe correspondência
26 Matching Utilizando um limiar fixo (círculo tracejado) D A e D B não são relacionados corretamente Além disso, D E e D C são incorretamente relacionados à D D Ilustração retirada de [1]
27 Matching Utilizando apenas vizinho mais próximo D A e D B são relacionados corretamente No entanto, D C é incorretamente relacionado à D D Ilustração retirada de [1]
28 Matching Utilizando NNDR Um pequeno valor de r(> d 1 d 2 ) é suficiente para relacionar D A e D B Além disso, mesmo um alto valor de r(< d 1 d 2 ) seria suficiente para rejeitar as correspondências de D C e D E para D D Para d 1 < r < d 1 d 2 d todos os 2 exemplos são classificados corretamente Ilustração retirada de [1]
29 NNDR Sugestão para r em [6] (SIFT): 0.8 Elimina 90% das correspondências falsas Ao custo de deixar de detectar apenas 5% das corretas No entanto, em outras situações esse valor pode não ser adequado! Matching
30 Descritores Binários Como reduzir tempo de processamento da fase de matching? Descritores binários Vetor descritor de cada região armazena valores binários ao invés de valores de ponto flutuante Distância hamming (XOR) é mais rápida de ser computada do que a euclidiana Vetor é construído através de comparações de intensidade entre pares de pixels ou regiões Exemplos: BRIEF, BRISK, ORB,...
31 AKAZE Descritores Binários Etapa de detecção de keypoints Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces), 2013 [12,13] Melhora nos resultados ao usar difusão não linear Filtragem preserva bordas» Mesmo nas escalas mais altas No entanto, com alto tempo de processamento...
32 Descritores Binários AKAZE Detecção de keypoints Filtragem Gaussiana Difusão não linear
33 Descritores Binários AKAZE Descrição de keypoints LDB [17] Região é dividida em patches Para cada patch, médias de intensidade (I) e gradientes (dx e dy) são computados É gerada uma cadeia de 3 bits para cada par de patch se I patch A > I patch B adicione 1 ao descritor Caso contrário, adicione 0 se dx patch A > dx patch B adicione 1 ao descritor Caso contrário, adicione 0 se dy patch A > dy patch B adicione 1 ao descritor Caso contrário, adicione 0 I, dx e dy entre todos os possíveis pares de patches são comparados Cadeias de 3 bits de todas as possíveis combinações são concatenadas para gerar o vetor binário (descritor)
34 Descritores Binários AKAZE Descrição de keypoints LDB [17]
35 Descritores Binários AKAZE Descrição de keypoints LDB [17] Patches 2x2, 3x3 e 4x4 são utilizados LDB não é invariante à rotação Utiliza imagem integral para calcular área dos patches Imagem integral requer regiões retangulares sem rotação Visitar cada pixel de cada patch para somar área dos patches seria computacionalmente ineficiente
36 Descritores Binários AKAZE Descrição de keypoints AKAZE propõe o Modified-Local Difference Binary (M-LDB) para realizar a descrição de keypoints M-LDB (proposto no AKAZE) M-LDB utiliza uma aproximação da area dos patches por meio de uma subamostragem dos pixels
37 Descritores Binários AKAZE Descrição de keypoints M-LDB (proposto no AKAZE) Tamanho do descritor Grid 2x2: 3 C 2 4 = 3 6 = 18bits Grid 3x3: 3 C 2 9 = 3 36 = 108bits Grid 4x4: 3 C 2 16 = = 360bits =486 bits! I,dx e dy Numero de patches Comparação entre pares de patches Tempo de matching é considerado alto, por conta do tamanho do descritor No entanto, o fato de um descritor binário ser utilizado ajuda a reduzir tempo de processamento
38 Dúvidas?
39 Referências 1. SZELISKI, R. Computer Vision: algorithms and applications. 1st.ed. New York, NY, USA: Springer-Verlag New York, Inc., EVERINGHAM, M. et al. The Pascal Visual Object Classes Challenge: a retrospective. 3. BAY, H. et al. Speeded-Up Robust Features (SURF). Comput. Vis. Image Underst., New York,NY, USA, v.110, n.3, p , June LEUTENEGGER, S.; CHLI, M.; SIEGWART, R. Y. BRISK: binary robust invariant scalable keypoints. In: ICCV, 2011.,Washington, DC, USA. Proceedings... IEEE Computer Society, p (ICCV 11).
40 Referências 5. LOWE, D. G. Distinctive Image Features from Scale-Invariant Keypoints. Int. J. Comput. Vision, Hingham, MA, USA, v.60, n.2, p , Nov Lowe, D.G Object recognition from local scale-invariant features. In International Conference on Computer Vision, Corfu, Greece, pp Lowe, D.G Object recognition from local scale-invariant features. In International Conference on Computer Vision, Corfu, Greece, pp Brown, M. and Lowe, D.G Invariant features from interest point groups. In British Machine Vision Conference, Cardiff, Wales, pp
41 Referências 9. Viola, P., Jones, M.: Rapid object detection using a boosted cascade of simple features. In: CVPR (1). (2001) Mikolajczyk, K., Schmid, C.: A performance evaluation of local descriptors. In: CVPR. Volume 2. (2003) CALONDER, M. et al. BRIEF: binary robust independent elementary features. In: ECCV: PART IV, 11. Proceedings... Springer-Verlag, p (ECCV 10). 12. KAZE Features. Pablo F. Alcantarilla, Adrien Bartoli and Andrew J. Davison. In European Conference on Computer Vision (ECCV), Fiorenze, Italy, October 2012
42 Referências 13. Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces. Pablo F. Alcantarilla, J. Nuevo and Adrien Bartoli. In British Machine Vision Conference (BMVC), Bristol, UK, September Fischler, M. A. and Bolles, R. C. (1981). Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM, 24(6): HARTLEY, R. I.; ZISSERMAN, A. Multiple View Geometry in Computer Vision. 2.ed. [S.l.]: "Cambridge University Press, ISBN: ", X. Yang and K. T. Cheng. LDB: An ultra-fast feature for scalable augmented reality, In IEEE and ACM Intl. Sym. on Mixed and Augmented Reality (ISMAR), 2012.
Feature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior
Feature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior Feature Detection 1. Encontre um conjunto de keypoints 2. Defina uma região ao redor do keypoint 3. Normalize a região 4. Extraia caracterísfcas
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisImage Descriptors: local features
Image Descriptors: local features Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: local features 2011
Leia maisAnotador automático de placas de publicidade em vídeos esportivos
MAC0499 - Trabalho de Formatura Supervisionado Professor: Carlos Eduardo Ferreira Universidade de São Paulo Instituto de Matemática e Estatística Aluno: Ricardo Augusto Fernandes Orientador: Prof. Dr.
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisRELATÓRIO TÉCNICO - CIENTÍFICO
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA PIBIC : CNPq, CNPq/AF, UFPA, UFPA/AF, PIBIC/INTERIOR,
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisCORRESPONDÊNCIA POR CARACTERÍSTICAS EM IMAGENS PANORÂMICAS TERRESTRES
Presidente Prudente - SP, 24-26 de julho de 2017 p. 258-265 CORRESPONDÊNCIA POR CARACTERÍSTICAS EM IMAGENS PANORÂMICAS TERRESTRES LETÍCIA FERRARI CASTANHEIRO 1 ANTONIO MARIA GARCIA TOMMASELLI 2 MARIANA
Leia maisDetecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC
Detecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC André Caceres Carrilho Mauricio Galo Renato César dos Santos Curitiba,
Leia maisIdentificação de objetos móveis com uso de imagens aéreas obtidas por VANT. Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1
Identificação de objetos móveis com uso de imagens aéreas obtidas por VANT Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1 1 Instituto de Estudos Avançados IEAv/DCTA São José
Leia maisSIFT - Scale Invariant Feature Transform
SIFT - Scale Invariant Feature Transform Daniel Pinto Coutinho Prof. Ricardo Marroquim 1 Introdução A detecção de pontos de interesse em uma figura é uma tarefa muito comum no campo de processamento de
Leia maisExtração de Características. Carlos Alexandre Mello
Extração de Características Carlos Alexandre Mello Pós-Graduação em Ciência da Computação Carlos Alexandre Mello cabm@cin.ufpe.br 1 Extração de Características Representação de objetos através de um conjunto
Leia maisFace Detection. Image Processing scc moacir ICMC/USP São Carlos, SP, Brazil
Face Detection Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Face Detection 2011 1 / 24 Agenda 1 Detectando faces 2
Leia maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
Leia maisAprendizagem de Máquinas. Extração de Características
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizagem de Máquinas Extração de Características David Menotti, Ph.D. http://web.inf.ufpr.br/menotti 1 Objetivos Entender os
Leia maisCasamento de padrões em imagens e vídeos usando características de imagens
Casamento de padrões em imagens e vídeos usando características de imagens Kassius Vinicius Sipolati Bezerra DCEL / CEUNES / UFES São Mateus, ES, Brazil Edilson de Aguiar DCEL / CEUNES / UFES São Mateus,
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 13 - Transformada de Hough e SIFT Antonio Oliveira Ricardo Marroquim 1 / 41 aula de hoje descritores Transformada de Hough SIFT 2 / 41 transformada de Hough
Leia maisTrabalho Final de Processamento de Imagens: Panografia
Trabalho Final de Processamento de Imagens: Panografia 1. Introdução Vítor Silva Sousa 1 1 Escola Politécnica Universidade Federal do Rio de Janeiro (UFRJ) Rio de Janeiro RJ Brasil vitor.silva.sousa@gmail.com
Leia maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Representação. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Representação David Menotti www.inf.ufpr.br/menotti/ci171-182 Representação Agenda Introdução Extraindo Representações de Imagens
Leia mais4 SIFT (Scale Invariant Feature Transform)
4 SIFT (Scale Invariant Feature Transform) SIFT é um algoritmo de visão computacional publicado por David Lowe, em 1999 (Lowe, 1999) e patenteado nos EUA pela University of British Columbia. SIFT é composto
Leia maisProposal of a Hybrid Algorithm Based on SURF and ORB
Proposal of a Hybrid Algorithm Based on SURF and ORB Ricardo Ribani 2 Luiz Lino Bertanha de Abreu 1 rribani@hotmail.com lino.bertanha.br@gmail.com 1 FATEC Americana Cleberson Forte 1,2 Mauricio Marengoni
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisRelatório sobre os Resultados obtidos através do uso dos algoritmos SIFT e RANSAC para Reconstrução de um Objeto a partir de uma Nuvem de Pontos
Relatório sobre os Resultados obtidos através do uso dos algoritmos SIFT e RANSAC para Reconstrução de um Objeto a partir de uma Nuvem de Pontos Gustavo Moreira PUC-Rio, Departamento de Informática Rua
Leia maisSEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro
SEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro Detecting Pedestrians Using Patterns of Motion and Appearance *Paul Viola *Michael J. Jones *Daniel Snow Por que detectar pedestres? http://conexaopenedo.com.br/2016/02/sistema-consegue-detectar-pedestres-em-tempo-real/
Leia maisUMA TÉCNICA PARA DETERMINAÇÃO DE LINHAS EPIPOLARES EM IMAGENS PANORÂMICAS TERRESTRES RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 908-912 UMA TÉCNICA PARA DETERMINAÇÃO DE LINHAS EPIPOLARES EM IMAGENS
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia mais3 Transformação SIFT (Scale Invariant Feature Transform)
3 Transformação SIFT (Scale Invariant Feature Transform) Este capítulo apresenta as seguintes seções: - 3.1 Uma Introdução Sobre Descritores Locais: A técnica SIFT ( Scale Invariant Feature Transform )
Leia maisCOMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL
COMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL Victor Hugo Bueno Preuss, victor.preuss@gmail.com 1 Ramon Cascaes Semim,
Leia maisSIMPLES: UM DESCRITOR DE CARACTERÍSTICAS LOCAIS RÁPIDO E SIMPLES
SIMPLES: UM DESCRITOR DE CARACTERÍSTICAS LOCAIS RÁPIDO E SIMPLES MARCOS CESAR VOLTOLINI, HAE YONG KIM Dept. Eng. Sistemas Eletrônicos, Escola Politécnica, USP Av. Prof. Luciano Gualberto, trav. 3, 158,
Leia maisUSO DO DETECTOR DE PONTOS DE INTERESSE SIFT PARA LOCALIZAÇÃO DE ALVOS ARTIFICIAIS DE CONTROLE
IV Simpósio Brasileiro de Geomática SBG17 II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG17 Presidente Prudente - SP, 24-26 de julho de 17 p. 341-346 USO DO DETECTOR DE PONTOS
Leia maisUm sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais
Um sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais Sérgio Carlos Portari Júnior Orientador: Prof. Dr. Antonio Carlos
Leia maisFeature Detector. Prof. Dr. Geraldo Braz Junior
Feature Detector Prof. Dr. Geraldo Braz Junior Problema: Matching 2 Matching 3 Matching Processo de encontrar uma imagem em outra Normalmente usado para encontrar um objeto numa imagem, mas também: Reconhecimento
Leia maisConstrução de Mosaicos de Imagens Aéreas Agrícolas e Comparação com Outras Metodologias
Construção de Mosaicos de Imagens Aéreas Agrícolas e Comparação com Outras Metodologias André de Souza Tarallo 1, Francisco Assis da Silva 1, Alan Kazuo Hiraga 2, Maria Stela Veludo de Paiva 1, Lúcio André
Leia maisFundamentos da Computação Gráfica
Fundamentos da Computação Gráfica Trabalho 2 Visão. Detecção de cantos. Manuel Alejandro Nodarse Moreno (1322198) Introdução. Detecção de cantos é uma abordagem utilizada em sistemas de visão computacional
Leia maisSIFT (Scale-invariant feature transform), SURF (Speeded up robust features)
SIFT (Scale-invariant feature transform), SURF (Speeded up robust features) Scale- and rotation-invariant interest point detector and descriptor. detector (keypoints) descriptor matching Aplicações: Camera
Leia maisExemplo de aplicação
Exemplo de aplicação Paralaxe O conceito de paralaxe está relacionado com o deslocamento relativo ou aparente dos objetos estacionários, quando um observador em movimento os olha de pontos diferentes.
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 09 - curvatura Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection overview curvatura espaço de escala block matching 2 / 1 curvatura o
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Leia maisPerson Re-Identification. Autor: Guilherme Zasyeki Machado
Person Re-Identification Autor: Guilherme Zasyeki Machado Sumário - Introdução ao problema - Visão geral ao processo de Re-Identificação - Evolução estado da arte - Datasets disponíveis - Análise estado
Leia maisAnálise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras
Análise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras Darlan Nunes de Brito 1 Flávio Luis Cardeal Pádua 2 Aldo Peres Campos
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisAnálise do Uso de Descritores Locais e Classificadores no Reconhecimento de Cédulas de Real
III Escola Regional de Informática do Piauí. Livro Anais - Artigos e Minicursos, v. 1, n. 1, p. 218-223, jun, 2017. www.eripi.com.br/2017 - ISBN: 978-85-7669-395-6 Análise do Uso de Descritores Locais
Leia maisDetecção de transformadores em imagens de Subestações Elétricas com SURF e KNN
Detecção de transformadores em imagens de Subestações Elétricas com SURF e KNN Daniel L. Gomes Jr., Paulo R. J. dos Reis, Anselmo C. de Paiva, Aristófanes C. Silva Núcleo de Computação Aplicada (NCA) Universidade
Leia maisMosaico Automático de Imagens Agrícolas Aéreas
Mosaico Automático de Imagens Agrícolas Aéreas André de Souza Tarallo 1 ; Maria Stela Veludo de Paiva 1 ; Lúcio André de Castro Jorge 2 1 Escola de Engenharia de São Carlos - Universidade de São Paulo
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Julio Arakaki Ciência da Computação 1 Imagem Digital Full Color Image (Matriz de Pixels) RGB (24 bits): Red (8 bits) Green (8 bits) Blue (8 bits) 2 Imagem Digital Um modelo
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 05 - sistemas lineares - parte 2 Antonio Oliveira Ricardo Marroquim 1 / 27 laboratório de processamento de imagens tópicos métodos lineares mínimos quadrados equações
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisReconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus
Reconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus Dissertação de Mestrado em Informática Sídnei Augusto Drovetto Jr.
Leia mais2 Trabalhos Relacionados
2 Trabalhos Relacionados Este capítulo apresenta os algoritmos já existentes que são utilizados nesta dissertação para obter pontos homólogos entre duas imagens de um par estéreo. Pode-se classificar essas
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisColor Eyes Detector. Duarte Petiz. DCC/FCUP
Color Eyes Detector Duarte Petiz DCC/FCUP up201204625@fc.up.pt Resumo Este relatório descreve a implementação da aplicação desenvolvida Color Eyes Detector bem como mostra os resultados finais da execução
Leia maisESTUDO SOBRE RASTREAMENTO BASEADO EM CARACTERÍSTICAS NATURAIS PARA APLICAÇÕES DE REALIDADE AUMENTADA EM DISPOSITIVOS MÓVEIS
UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA ESTUDO SOBRE RASTREAMENTO BASEADO EM CARACTERÍSTICAS NATURAIS PARA APLICAÇÕES DE REALIDADE AUMENTADA EM DISPOSITIVOS
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisCalibração Robusta de Vídeo Para Realidade Aumentada
Calibração Robusta de Vídeo Para Realidade Aumentada Bruno Madeira 1,2, Luiz Velho 1, Paulo Cezar Carvalho 1 1 Instituto Nacional de Matemática Pura e Aplicada (IMPA) Estrada Dona Castorina, 110, Jardim
Leia maisExtração dos Pontos Característicos de uma Imagem através do método SIFT. Helder C. R. de Oliveira Orientador: Prof. Marco A.
Extração dos Pontos Característicos de uma Imagem através do método SIFT Helder C. R. de Oliveira Orientador: Prof. Marco A. Piteri Presidente Prudente 2013 Sumário 1 Introdução 1 2 Processamento de Imagens
Leia maisEvaluation of Keypoint Detectors and Descriptors
Evaluation of Kepoint Detectors and Descriptors Francisco Assis da Silva 1, Maria Stela V. de Paiva 1 Universidade do Oeste Paulista Unoeste/FPP Presidente Prudente/SP, Brasil Escola de Engenharia de São
Leia maisCriação de mosaico usadando o SURF e o matcher FLANN
Criação de mosaico usadando o SURF e o matcher FLANN Felipe Jordão Pinheiro de Andrade Universidade Federal do Maranhão, São Luis, BRA Abstract. O trabalho propoe uma metodologia para a criação de um mosaico
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisLocalização de Robôs Móveis por Aparência Visual
Felipe Gustavo Bombardelli Localização de Robôs Móveis por Aparência Visual Curitiba 2014 Felipe Gustavo Bombardelli Localização de Robôs Móveis por Aparência Visual Trabalho de Graduação apresentado
Leia maisProcessamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres
Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados
Leia maisIdentificação de Produtos por Imagem Utilizando o Algoritmo SURF
Identificação de Produtos por Imagem Utilizando o Algoritmo SURF Um Comparativo Entre Redes Perceptron Multicamadas e Máquinas de Vetor de Suporte Guilherme Defreitas Juraszek, Alexandre Gonçalves Silva
Leia maisMecanismos de Detecção de Objetos Selective Search
Mecanismos de Detecção de Objetos Selective Search Visão Computacional Prof. Geraldo Braz Junior Contém material das notas de aula do CS131, CS229 CS231B Objetivo Como detectar instancias de objeto? 2
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia maisSISTEMA E METODOLOGIA SIMPLES DE MESA ROTATÓRIA PARA A CONSTRUÇÃO AUTOMÁTICA DE MODELOS EM 3D
1 SISTEMA E METODOLOGIA SIMPLES DE MESA ROTATÓRIA PARA A CONSTRUÇÃO AUTOMÁTICA DE MODELOS EM 3D MARCELO LEMOS ROSSI 1 ; GILBERTO ARANTES CARRIJO 2 Resumo: Nesse artigo é apresentado uma metodologia para
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS UMA ABORDAGEM OTIMIZADA PARA RECONHECIMENTO DE LOGOMARCAS DE VEÍCULOS USANDO SURF
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UMA ABORDAGEM OTIMIZADA PARA RECONHECIMENTO DE LOGOMARCAS DE VEÍCULOS USANDO
Leia mais[2] AZUMA, R. T. A survey of augmented reality. Presence, 6: , 1997.
Referências Bibliográficas [1] ANDTOM DRUMMOND, E. E. Monocular slam as a graph of coalesced observations. In: IEEE 11TH INTERNATIONAL CONFERENCE ON COMPUTER VISION, p. 1 8, October 2007. [2] AZUMA, R.
Leia maisFace Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA
Face Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA Introdução O ar%go visa criar uma abordagem para o problema de reconhecimento de face: i.e.: Dada uma face,
Leia maisProcessamento De Imagem. Descritores de Cor
Processamento De Imagem Descritores de Cor Cores Uma das propriedades mais importantes para visão humana. Muito usada em sistemas de recuperação de imagens, CBIRs. Taxonomia Global A informação de cor
Leia maisAnálise de Desempenho de Algoritmos Detectores de Keypoints para um Sistema de Navegação Visual de Robôs Baseados em Smartphones
Análise de Desempenho de Algoritmos Detectores de Keypoints para um Sistema de Navegação Visual de Robôs Baseados em Smartphones Bruno A. S. Santana, Rosiery da S. Maia, Wilfredo B. Figuerola, Anderson
Leia maisKanade-Lucas-Tomasi Tracker
COPPE-UFRJ Kanade-Lucas-Tomasi Tracker Ricardo Marroquim data entrega: pós-graduação: 18/05/2016 graduação: 27/05/2016 1 NOTAÇÕES Uma imagem é definida como uma função f (x, y), x, y Z, onde f (x, y) :
Leia maisProcessamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Leia maisAnotador automático de placas de publicidade em vídeos esportivos
Universidade de São Paulo Instituto de Matemática e Estatística Curso de Ciência da Computação Ricardo Augusto Fernandes Anotador automático de placas de publicidade em vídeos esportivos São Paulo 2011
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisEvaluation of Interest Point Matching Methods for Projective Reconstruction of 3D Scenes
Evaluation of Interest Point Matching Methods for Projective Reconstruction of 3D Scenes D. N. Brito, C. F. G. Nunes, F. L. C. Pádua and A. Lacerda 1 Abstract This work evaluates the application of different
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 11 de novembro de 2016 Fluxo óptico Usado para estimar
Leia maisTrabalho Final de Sistemas Inteligentes
Trabalho Final de Sistemas Inteligentes Rodrigo Kanehisa 2 1 Departamento de Informática Universidade Federal do Maranhão (UFMA) Av. dos Portugueses, 1966 Bacanga - CEP 65080-805 São Luís MA Brasil 2 Universidade
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia mais11º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2017 Campinas, São Paulo ISBN
DETECÇÃO DE FRUTOS EM CAMPO POR APRENDIZADO DE MÁQUINA Andreza Aparecida dos Santos¹; Thiago Teixeira Santos 2 Nº 17603 RESUMO Métodos de reconhecimento de frutos utilizando diferentes descritores e classificadores
Leia maisImagem f
Imagem integral (ou integral da imagem) Imagem f. 8 3 9 7 1 8 5 2 8 7 3 6 5 2 9 3 s: Integral da imagem f (imagem integral) 8 11 20 27 9 20 34 43 17 35 52 67 22 42 68 86 s(u,v) = f(u,v)+s(u-1,v)+s(u,v-1)-s(u-1,v-1)
Leia maisMODELAGEM 3D URBANA A PARTIR DE IMAGENS DO STREETVIEW. M. L. Rossi, M. L. Lopes, e G. A. Carrijo
MODELAGEM 3D URBANA A PARTIR DE IMAGENS DO STREETVIEW M. L. Rossi, M. L. Lopes, e G. A. Carrijo RESUMO Na constante evolução do planejamento urbano contemporâneo, a tecnologia, principalmente as ferramentas
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisProcessamento e Análise de Imagem. Aplicações na Imagem Médica
Processamento e Análise de Imagem Aplicações na Imagem Médica António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Tecnologia de Imagem Imagem de Entrada Processamento
Leia maisSumário. Referências utilizadas. Introdução. MAFIA: Merging of Adaptive Finite Intervals. Introdução Visão Geral e Objetivos do MAFIA
Sumário : Merging of Adaptive Finite Intervals Elaine Ribeiro de Faria Análise de Agrupamento de Dados ICMC-USP Dezembro 2010 Introdução Visão Geral e Objetivos do Algoritmo Grid Adaptativo Algoritmo Algoritmo
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisExtração de características de imagens. Descritores de cor
Extração de características de imagens Descritores de cor Descritores de imagens Problema: computar, de forma eficiente, valores que descrevam uma imagem (ou parte dela) Vetores de características (feature
Leia maisREADING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING
READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING Fernanda Maria Sirlene READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING NIPS Workshop on Deep Learning and Unsupervised
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 08 - deteção de características de baixo-nível (low-level feature detection) parte II Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection
Leia maisDESENVOLVIMENTO DE SISTEMA PARA GERAÇÃO DE MOSAICO DE IMAGENS VISANDO LOCALIZAÇÃO E NAVEGAÇÃO DE ROBÔS MÓVEIS
DESENVOLVIMENTO DE SISTEMA PARA GERAÇÃO DE MOSAICO DE IMAGENS VISANDO LOCALIZAÇÃO E NAVEGAÇÃO DE ROBÔS MÓVEIS Edson CAVALCANTI Neto (1), Guilherme Costa HOLANDA (1), Antonio Themoteo VARELA (1), André
Leia maisPMR2560 Visão Computacional Detecção de bordas. Prof. Eduardo L. L. Cabral
PMR56 Visão Computacional Detecção de bordas Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Características; Detecção de bordas. Características Tipos de características: Bordas; Cantos;
Leia maisCORRESPONDÊNCIA DE PONTOS EM IMAGENS
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS CURSO DE ENGENHARIA DE COMPUTAÇÃO CORRESPONDÊNCIA DE PONTOS EM IMAGENS PARA AUTOCALIBRAÇÃO DE CÂMERAS CRISTIANO FRAGA GUIMARÃES NUNES Orientador:
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisReconstrução 3D baseada em estereoscopia com a utilização de detectores de características
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Reconstrução 3D baseada em estereoscopia com a utilização de detectores de características 3D reconstruction based on stereoscopy utilizing
Leia maisIDENTIFICAÇÃO DE OBJETOS DO FUTEBOL DE ROBÔS UTILIZANDO ALGORITMO DE DESCRIÇÃO DE PONTOS CHAVE
102 IDENTIFICAÇÃO DE OBJETOS DO FUTEBOL DE ROBÔS UTILIZANDO ALGORITMO DE DESCRIÇÃO DE PONTOS CHAVE IDENTIFYING OBJECTS USING ROBOT SOCCER ALGORITHM DESCRIPTION OF KEY POINTS Ricardo da Silva Barros 1,
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia mais