PCS 5869 INTELIGÊNCIA ARTIFICIAL

Transcrição

1 PCS 5869 INTELIGÊNCIA ARTIFICIAL 1º Quadrimestre de 2016 Rodolfo Valiente Romero Seminário PCS-5743I

2 Artigo A learning-based thresholding method customizable to computer vision applications J.R. Martinez-de Dios n, A.Ollero Engineering Applications of Artificial Intelligence Volume 37, January 2015, Pages 71 90

3 Conteúdo Artigo Introdução Contribuição - Solução ao Problema Resultados - Experimentos Avaliação Conclusões

4 Conteúdo Artigo Introdução Trabalhos Relacionados Problema Contribuição Solução ao Problema Etapa de Aplicação Etapa de Aprendizado Resultados - Experimentos

5 O que é segmentação? Introdução Divide the image into segment Image Segmentation Methods Thresholding Boundary-based Region-based: region growing, splitting and merging Thresholding (Limiarizaçao ) is a simple and effective segmentation technique Em essência, a limiarizaçao é um problema de classificação, g( x, y) = 1 0 if if f f ( x, ( x, y) y) > T T objeto background

6 Por exemplo Introdução Imagine a poker playing robot that needs to visually interpret the cards in its hand objeto background Original Image Thresholded Image

7 Mas o problema não é tão simples... Introdução A escolhia de o valor errado para a limearizaçao pode trazer resultados indesejados Threshold Too Low Threshold Too High

8 A large number of successful threshold selection methods have been developed using different criteria. Em geral as técnicas estão divididas em duas categorias Global Thresholding Adaptive Thresholding E dois grupos, em função do seu histograma Bi-level Multi-level Udupa et al., 1997 Olabarriaga and Smeulders, 2001, Gonzalez & Woods, 2009 Gonzalez & Woods, Trabalhos relacionados

9 Global Thresholding Thresholding Example Trabalhos relacionados

10 Trabalhos relacionados Single Value Thresholding and Illumination From [Gonzalez & Woods]

11 Adaptive Thresholding Trabalhos relacionados Input image Histogram Global threshold Global Otsu s Method Image partitioning Local Otsu s method

12 Trabalhos relacionados Adaptive Thresholding nem sempre funciona Hard Problem: Textures A limiarizaçao resulta um problema Fácil para uma pessoa, Mas difícil para uma maquina

13 O qual é o problema Problema The selection of a suitable technique for a particular computer vision application is still unsolved Learning-based schemes have been widely used in many fields such as recognition of gestures (Erol et al., 2007) human motion (Moeslund et al., 2006).... These methods typically use traditional segmentation methods

14 Contribuição This paper proposes a learning-based thresholding method capable of being customized to a given problem Learning Capture thresholding knowledge from humans and imitate their performance Application Images are classified by the trained classifier

15 Etapa de aplicação Mode classification criteria using a set of training images and their thresholds determined by an expert. Trained MODE CLASSIFIER (MC) IN Imagem Multi-modal Histogram decomposition Mode classification OUT Objetos Background

16 Etapa de aplicação IN Imagem Multi-modal Histogram decomposition OUT Modos Histograma Modos

17 Etapa de aplicação IN Imagem Multi-modal Histogram decomposition OUT Modos Features for mode classification Mahalanobis distance Intra-class variance Bhattacharyya distance Values for each mode

18 Bi-level problem Etapa de aplicação IN Modos Mode classification Objetos Background Quais modos pertence a um objeto e quais ao background

19 Etapa de aplicação

20 The objective of this stage is to customize the thresholding method to a given computer vision problem. Etapa de Aprendizado set of training images imn corresponding thresholds tn, selected by an expert assign each mode of imn as object or as background. learning stage captures this knowledge train MC using a neuro-fuzzy inference system

21 Etapa de Aprendizado thresholds tn Object/ background. Assignment of wi Mode class assignment OUT TDS images imn Multi-Modal Training of MC Computation of decomposition features IN training data set (TDS) that contains the desired input output operation for MC TDS is used to train MC.

22 images imn Etapa de Aprendizado thresholds tn Mode class assignment Multi-Modal decomposition w3 objeto Training of w1,w2 MC background TDS MC training Trained MC

23 Thresholding in bi-level problems Resultados Training of MC

24 Thresholding in bi-level problems Resultados Training of MC

25 Validation images binarized with the trained method Resultados

26 OBRIGADO