|
|
Robot navigation on the chessboard
Mikulík, Andrej ; Holub, Viliam (vedoucí práce) ; Ježek, Pavel (oponent)
Predložená práca sa zaoberá lokalizáciou mobilného robota. Lokalizácia je postavená na počítačovom videní. Zo snímaného obrazu navrhnuté algoritmy rozpoznávajú šachovnicovú podložku, po ktorej sa robot pohybuje. Pomocou nej je analyzovaný uhol natočenia a pozícia robota. Navrhnutý algoritmus bol otestovaný a zhodnotený na reálnom robotovi.
|
|
| |
|
|
Methods for precise local affine frame constructions on MSERs
Mikulík, Andrej
Detekce příznaků a hledání korespondencí je jeden ze základních problémů v mnohých aplikacích počítačového vidění. V této práci navrhujeme novou metodu pro zlepšení opakovatelnosti a přesnosti lokálních afinních rámců (LAFs) konstruovaných na diskretizované kontuře maximálně stabilních extremálních regionů (MSER). Navrhovaná metoda rekonstruuje diskretizovanou konturu extremálního regionu na základě intenzitní funkce v blízkém okolí bodů kontury. Dále představujeme novou metodu pro detekci lokálních extrému křivosti na rekonstruované kontuře. Navrhované metody jsou implementovány a vyhodnoceny na veřejně dostupných databázích. Rozsáhlé experimenty ukazují vyšší počet správných korespondencí a jejich lepší poměr k tentativním korespondencím ve více jako 80\% párech obrázků. Jelikož čas zpracování je vůči detekci regiónů zanedbatelný, není důvod nezahrnout navrhovaný algoritmus jako standardní rozšíření MSER detektoru. Powered by TCPDF (www.tcpdf.org)
|
|
|
Large-Scale Content-Based Sub-Image Search
Mikulík, Andrej ; Matas, Jiří (vedoucí práce)
Appendix A Resumé in Czech language Tato práce se zabývá vyhledáváním obrázků a specifických objektů v obrazových data- bázích. Na vstupu uživatel zadá obrázek objektu resp. scény a vyhledávací stroj vrátí obrázky stejného objektu resp. scény z databáze. Teze se zaměřuje na bag-of-words přístup, který je jedním z nejefektivnějších pro tento typ úlohy. Specifický objekt může pokrývat pouze část obrázku nebo může být z části překrytý jiným objektem. Práce vylepšuje více částí standardních bag-of-wors postupů. Nová similaritní funkce je definovaná pro bag-of-words vyhledávání obrázků. Tato funkce je naučená bez učitele, oproti standardní metodě nevyžaduje extra pamětový prostor a je více diskriminabilní než eukleidovský L2 soft assignment nebo Hamming embedding. Navrhovaná similaritní funkce dosahuje na standardních databázích vyšší mean average precision než všechny dosud publikované výsledky v literatuře. Jsou studovány účinky velmi jemné kvantizace u velkých vizuálních slovníků (až 64 milionů slov) a ukazuje se, že výsledky vyhledávače specifických objektů se zlepšují se zvyšujícím se množstvím slov. Toto pozorování je v rozporu s předešlými publiko- vanými výsledky. Dále ukazujeme, že s...
|
|
|
Large-Scale Content-Based Sub-Image Search
Mikulík, Andrej ; Matas, Jiří (vedoucí práce)
Appendix A Resumé in Czech language Tato práce se zabývá vyhledáváním obrázků a specifických objektů v obrazových data- bázích. Na vstupu uživatel zadá obrázek objektu resp. scény a vyhledávací stroj vrátí obrázky stejného objektu resp. scény z databáze. Teze se zaměřuje na bag-of-words přístup, který je jedním z nejefektivnějších pro tento typ úlohy. Specifický objekt může pokrývat pouze část obrázku nebo může být z části překrytý jiným objektem. Práce vylepšuje více částí standardních bag-of-wors postupů. Nová similaritní funkce je definovaná pro bag-of-words vyhledávání obrázků. Tato funkce je naučená bez učitele, oproti standardní metodě nevyžaduje extra pamětový prostor a je více diskriminabilní než eukleidovský L2 soft assignment nebo Hamming embedding. Navrhovaná similaritní funkce dosahuje na standardních databázích vyšší mean average precision než všechny dosud publikované výsledky v literatuře. Jsou studovány účinky velmi jemné kvantizace u velkých vizuálních slovníků (až 64 milionů slov) a ukazuje se, že výsledky vyhledávače specifických objektů se zlepšují se zvyšujícím se množstvím slov. Toto pozorování je v rozporu s předešlými publiko- vanými výsledky. Dále ukazujeme, že s...
|
|
|
Methods for precise local affine frame constructions on MSERs
Mikulík, Andrej
Detekce příznaků a hledání korespondencí je jeden ze základních problémů v mnohých aplikacích počítačového vidění. V této práci navrhujeme novou metodu pro zlepšení opakovatelnosti a přesnosti lokálních afinních rámců (LAFs) konstruovaných na diskretizované kontuře maximálně stabilních extremálních regionů (MSER). Navrhovaná metoda rekonstruuje diskretizovanou konturu extremálního regionu na základě intenzitní funkce v blízkém okolí bodů kontury. Dále představujeme novou metodu pro detekci lokálních extrému křivosti na rekonstruované kontuře. Navrhované metody jsou implementovány a vyhodnoceny na veřejně dostupných databázích. Rozsáhlé experimenty ukazují vyšší počet správných korespondencí a jejich lepší poměr k tentativním korespondencím ve více jako 80\% párech obrázků. Jelikož čas zpracování je vůči detekci regiónů zanedbatelný, není důvod nezahrnout navrhovaný algoritmus jako standardní rozšíření MSER detektoru. Powered by TCPDF (www.tcpdf.org)
|
|
| |
|
|
Robot navigation on the chessboard
Mikulík, Andrej ; Ježek, Pavel (oponent) ; Holub, Viliam (vedoucí práce)
Predložená práca sa zaoberá lokalizáciou mobilného robota. Lokalizácia je postavená na počítačovom videní. Zo snímaného obrazu navrhnuté algoritmy rozpoznávajú šachovnicovú podložku, po ktorej sa robot pohybuje. Pomocou nej je analyzovaný uhol natočenia a pozícia robota. Navrhnutý algoritmus bol otestovaný a zhodnotený na reálnom robotovi.
|
host ::
RSS.