Recherche d’un même objet / scène

Présentation au sujet: "Recherche d’un même objet / scène"— Transcription de la présentation:

1 Recherche d’un même objet / scène
Approches basées sur des descripteurs locaux Approches basées sur des descripteurs globaux

2 ( ) Approche locale Extraction de points d’intérêt
Calcul de descripteurs locaux en ces points ( ) Descripteur local

3 ( ) Approche locale Extraction de points d’intérêt
Calcul de descripteurs locaux en ces points Sélection des descripteurs correspondants dans la base ( ) Descripteur local

4 Approche locale Extraction de points d’intérêt
Calcul de descripteurs locaux en ces points Sélection des descripteurs correspondants dans la base Sélection des images les plus similaires algorithme de vote vérification avec des relations de voisinage et globales

5 Contraintes de voisinage
sans contraintes avec contraintes

6 … Recherche d’images Recherche d’un même objet ou d’une même scène
rotation image facteur d’échelle de 4 visibilité partielle

7 Results for recognition
… > 5000 images image rotation scale factor of 4

8 Detected interest points

9 Initial matches 58 points are matched

10 Matches after verification
32 points matches - correct

11 Image retrieval - results
… > 5000 images image rotation scale factor of 4.5 illumination change

12 Matches

13 Affine invariant Harris points
Iterative estimation of localization, scale, neighborhood Initial points

14 Affine invariant Harris points
Iterative estimation of localization, scale, neighborhood Iteration #1

15 Affine invariant Harris points
Iterative estimation of localization, scale, neighborhood Iteration #2

16 Affine invariant Harris points
Iterative estimation of localization, scale, neighborhood Iteration #3, #4, ...

17 Affine invariant Harris points
Initialization with multi-scale interest points Iterative modification of location, scale and neighborhood

18 change in viewing angle
Image retrieval … > 5000 images change in viewing angle

19 Matches 22 correct matches

20 Recognizing specific objects / scenes
Lola shot 1 Lola shot 2 matched points

21 Recherche d’un même objet / scène
Approches basées sur des descripteurs locaux descripteurs photométriques descripteurs géométriques (invariants géométriques) Approches basées sur des descripteurs globaux histogramme de couleur eigenimages

22 Histogramme de couleur

23 Eigenimages …

24 Reconnaissance d’objets 3D
point de vue complètement différent pas d’invariant 3D Difficultés :

25 Reconnaissance 3D avec un ensemble d’images
Columbia database 20 objets - 72 vues chaque objet est représenté par un ensemble de vues (36) l’approche est basé sur les images propres (eigenimages) chaque objet forme une courbe / surface sélection du point le plus proche sur la courbe / surface (on obtient la pose)

26 Mesure de proximité entre points de vue

27 Exemple pour la reconnaissance 3D

28 Exemple pour la reconnaisance 3D

29 Appariements

30 Vérification des appariements
images de la base calcul du tenseur trifocal : à partir des appariements entre trois images vérification supplémentaire calcul robuste permet de rejeter les outliers image recherchée

31 Ajout de données symboliques
Calcul du tenseur trifocale T Projection de données stockées avec les images de la base avec T Localisation de endroits spécifiques

32 Ajout de données symboliques

33 Ajout de données symboliques

34 Recherche d’images Recherche d’images avec un contenu similaire
Difficultés définir le contenu sémantique définir des critères significatifs de similarité visuelle

35 Recherche d’images Recherche d’images similaires
similarité globale similarité partielle Interaction avec l’utilisateur Recherche d’objets semblables

36 Blobworld - exemple de recherche

37 Similarité partielle de distributions
sélection de la partie utilisée pour la requête images similaires

38 Résultats pour la détection de visages

39 Résultats pour la détection de voitures

40 Recognizing object classes / categories

41 Recognizing object classes / categories
positive and negative exemples visual model (descriptors) retrieved images (database of 600 images)

42 Recognizing object classes / categories