DARTs: Efficient scale-space extraction of DAISY keypoints

Slides:



Advertisements
Similar presentations
Absolute Orientation. Absolute Orientation の問題 二つの座標系の間における剛体 (rigid body) 変換を復元す る問題である。 例えば: 2 台のステレオカメラから得られた3次元情報の間の関 係を推定する問題。 2 台のステレオカメラから得られた3次元情報の間の関.
Advertisements

Imagire Day CEDEC 2009続・レンダリスト養成講座 田村 尚希 川瀬 正樹 シリコンスタジオ株式会社.
BRIEF: Binary Robust Independent Elementary Features
コンピュータビジョン特論 第8回対象追跡 2006年11月22日 加藤丈和.
Building text features for object image classification
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
Pose Tracking from Natural Features on Mobile Phones
・力のモーメント ・角運動量 ・力のモーメントと角運動量の関係
コンピュータビジョン特論 第7回対象追跡 2006年11月15日 加藤丈和.
イラストの著作権保護のためのHOG特徴量を用いた複製検出
ウェーブレットによる 信号処理と画像処理 宮崎大輔 2004年11月24日(水) PBVセミナー.
CG特論 論文読破 04KI042 木平 大介.
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
大阪工業大学 情報科学部 情報システム学科 宇宙物理研究室 B 木村悠哉
ORB: an efficient alternative to SIFT or SURF
TextonBoost:Joint Appearance, Shape and Context Modeling for Multi-Class Object Recognition and Segmentation 伊原有仁.
AOによる 重力レンズクェーサー吸収線系の観測 濱野 哲史(東京大学) 共同研究者 小林尚人(東大)、近藤荘平(京産大)、他
SURF: Speeded Up Robust Features
CV輪講 姿勢変化に対応したSoft Decision Featureと Online Real Boostingによる人物追跡
東京工業大学    ○ 青木 康平 正 大西 有希 正 天谷 賢治 株式会社アールテック      清水 利恭 小杉 隆司 名古屋大学      礒田 治夫
重力レンズ効果を想定した回転する ブラックホールの周りの粒子の軌道
高山建志 五十嵐健夫 テクスチャ合成の新たな応用と展開 k 情報処理 vol.53 No.6 June 2012 pp
ティコ第2星表を用いた限界等級の測定 目的 内容 宇宙粒子研究室 竹川涼太
3次元での回転表示について.
動力学(Dynamics) 運動方程式のまとめ 2008.6.17
Yuri Y. Boykov Marie-Pierre Jolly
シミュレーション演習 G. 総合演習 (Mathematica演習) システム創成情報工学科
線形フィルタと畳み込み積分 マスクによる画像のフィルタリング 1.入力画像中の関心の画素のまわりの画素値
顔部品の検出システムの構築 指導教員 廉田浩 教授 1DS04188W  田中 甲太郎.
~Lookie~ WEBカメラを用いた対話時における 視線不一致問題の解決手法の提案と 解決支援機構の開発
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
Bottom-UpとTop-Down アプローチの統合による 単眼画像からの人体3次元姿勢推定
大域的特徴としてBoFを導入した CRFによる一般物体認識
第11回   ディジタル画像(2) ディジタル画像処理(2)
Hough変換 投票と多数決原理に基づく図形の検出
Susceptibility-Weighted Imaging:SWI
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第二回 演習課題
高度情報演習1C 実践 画像処理プログラミング 第二回 演習課題
構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室  EP02086 永橋知行.
モデルに基づいた PID コントローラの設計 MBD とは モータ駆動系のモデリング モデルマッチング 5.1 節 出力を角速度とした場合
独立成分分析 (ICA:Independent Component Analysis )
第12回   ディジタル画像(3) ディジタル画像処理(3)
3次元での回転表示について.
東京農業大学 東京情報大学 附属第一高等学校・中等部 附属第二高等学校 附属第三高等学校・中等部
主成分分析 Principal Component Analysis PCA
Image Analogies SIGGRAPH 2001 宮崎大輔
GPSを使わないBebop Droneの 自動飛行
動力学(Dynamics) 力と運動方程式 2008.6.10
変換されても変換されない頑固ベクトル どうしたら頑固になれるか 頑固なベクトルは何に使える?
複数特徴量の重み付け統合による一般物体認識
SURF+BoFによる特定物体認識 卒業研究1 1 11/27/11.
パターン認識特論 担当:和田 俊和 部屋 A513 主成分分析
知識科学研究科 知識システム構築論講座 林研究室 佛明 智
第1回、平成22年6月30日 ー FEM解析のための連続体力学入門 - 応力とひずみ 解説者:園田 恵一郎.
SIFTとGraph Cutsを用いた 物体認識及びセグメンテーション
Bottom-UpとTop-Down アプローチの組み合わせによる 単眼画像からの人体3次元姿勢推定
わかりやすいパターン認識 第7章:部分空間法  7.1 部分空間法の基本  7.2 CLAFIC法                  6月13日(金)                  大城 亜里沙.
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
画像処理工学 2011年12月1日 担当教員 北川 輝彦.
距離空間ピラミッドを用いた LLCによる3次元物体認識
8方向補間ブロックマッチングの実装 福永研究室 数理科学コース 学部4年 能城 真幸.
A02 計算理論的設計による知識抽出モデルに関する研究
1ーQー18 音声特徴量抽出のための音素部分空間統合法の検討
行列 一次変換,とくに直交変換.
ビデオデータベースを用いた 流体画像に基づくアニメーション生成
シミュレーション演習 G. 総合演習 (Mathematica演習) システム創成情報工学科
ベクトル関数の回転(カール、ローティション)
市松模様を使用した カメラキャリブレーション
グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識
空間図形の取り扱いについて.
Presentation transcript:

DARTs: Efficient scale-space extraction of DAISY keypoints 縣 禎輝

著者紹介 所属 Telefonica (Spain) David Marimon Tomasz Adamek Arturo Bonnin Roger Gimeno 所属 Telefonica (Spain)

DARTの位置付け SIFT SURF DART リアルタイム処理が困難 SIFTに比べると精度低下 高速化

SURFの処理の流れ 1.検出 キーポイント(特徴点)の検出 スケール探索 2.記述 オリエンテーション 特徴量の記述

1.検出

処理の流れ Integral Imageの利用 Hessian行列算出にbox filtersの利用

特徴点とは 輝度差が大きい(エッジ) テスクチャが多い その場所の固有の情報が多い   特徴点に向いている

エッジの種類 xy方向の両方の輝度差が大きい xy方向の両方の輝度差が大きいが極性が違う xy方向の片方が輝度差が大きい

Hessian行列 Hessian-based Lyyはy軸の2次微分 判別式: Lyy

Hessian行列による特徴点検出 判別式 正の場合のみの極大値

box filtersによる近似 Hessian-based Lyyはy軸の2次微分 判別式: Lyy Dyy 0.9倍:近似誤差修正

スケールスペース フィルタサイズを拡大:9 x 9, 15 x 15, 21 x 21, 27 x 27 それぞれスケール1.2, 2.0, 2.8, 3.6に対応

極値探索 26近傍で極値ならキーポイント キーポイント検出例

2.記述子

オリエンテーション オリエンテーションの向きに正規化を行う ことで回転に不変な特徴量を算出 範囲は6sの大きさ Haar-Wavelet(4sの大きさ)を利用 SIFTと同様に勾配強度算出 分解能は60度 勾配強度の和が最も大きい角度 オリエンテーション   x        y

特徴量記述 16分割×4次元=64次元

速度とマッチングの比較

DARTの位置付け SIFT SURF DART リアルタイム処理が困難 SIFTに比べると精度低下 高速化

DARTの特徴 ガウス微分をtriangle filterにより近似 keypointのオリエンテーション算出がSURFより高速 DAISY記述子による高速な特徴量記述 SIFT,SURFと検出精度が同程度 SIFTの6倍,SURFの3倍の処理速度

DARTの処理手順

Hessiain 行列

triangle filter による近似 近似式: triangle filter :9アクセス box filter :32アクセス

triangle filter による近似

スケールスペース 画像をダウンサンプリングせず,フィルタサイズを 変化させる 極値探索はSURF同様26近傍 ダウンサンプリングによる精度低下を抑制 極値探索はSURF同様26近傍

オリエンテーション オリエンテーションに向きに正規化 向きに不変な特徴量を算出 範囲は2s(s:スケール)の大きさ      向きに不変な特徴量を算出 範囲は2s(s:スケール)の大きさ SURFでは6s Haar-Wavelet(4s)を利用 SIFTと同様に勾配強度算出 分解能:10度 SIFT:10度,SURF:60度 勾配強度の和が最も大きい角度      オリエンテーションとする  x        y

DAISY記述子による特徴量記述 4次元ベクトルの特徴 2つの円,8分割 算出される特徴量    (1中心点 + 2円 × 8分割)× 4ベクトル= 68次元 SURF 16分割 × 4ベクトル = 64次元

標本点の最適化 DAISY記述子が持つパラメータ 標本点の座標を見ることで 近くにある類似した標本点を 見つけることが可能 各領域内の標本点間の距離 各領域の中心と標本点の距離 標本点の座標を見ることで 近くにある類似した標本点を 見つけることが可能      複数の標本点を1つの標本点とする 内側の円: 4σ 外側の円: 8σ

精度比較

精度比較

速度比較

Demo

まとめ SIFT,SURFと同程度の精度 SIFTより6倍,SURFより3倍の処理速度 triangle filter によるガウス2次微分の近似 DAISY記述子による高速な特徴記述