Αναγνώριση αντικείμενων με χρήση χαρτών βάθους και τεχνολογιών μάθησης μηχανής.

Abstract

Αυτή η εργασία παρουσιάζει ένα πρωτοποριακό σύστημα το οποίο ενώνει αποτελεσματικές και καινοτόμες τεχνικές της υπολογιστικής στερεοσκοπικής όρασης και της μάθησης μηχανής, με στόχο την ανίχνευση και αναγνώριση αντικείμενων. Για αυτόν τον σκοπό, το σύστημα αρχικά δημιουργεί χάρτες βάθους με την χρήση τεχνικών τομών γράφων (Graph-Cut). Τότε, η πληροφορία του βάθους χρησιμοποιήτε για την ανίχνευση αντικειμένων με τον διαχωρισμό των αντικειμένων από την υπόλοιπη σκηνή. Εν συνεχεία, χρησιμοποιήτε ο μετασχηματισμός κλιμακωτά – αναλλοίωτων χαρακτηριστικών (Scale-Invariant Feature Transform , SIFT), παρέχοντας στο σύστημα με μοναδικά χαρακτηριστικά για κάθε αντικείμενο, που χρησιμοποιούνται στην εκπαίδευση ενός τεχνητού νευρωνικού δικτύου. Το σύστημα είναι τότε ικανό να κατηγοριοποίησει και να αναγνωρίσει την φύση των αντικειμένων, παράγοντας γνώση από τον πραγματικό κόσμο.

This paper presents a novel system that is fusing efficient and state-of-the-art techniques of stereo vision and machine learning, aiming at object detection and recognition. To this goal, the system initially creates depth maps by employing the Graph-Cut technique. Then, the depth information is used for object detection by separating the objects from the whole scene. Next, the Scale-Invariant Feature Transform (SIFT) is used, providing the system with unique features for each extracted object, which are used in training an Artificial Neural Network (ANN). The system is then able to classify and recognize the nature of these object, creating knowledge from the real world.