GET-Forschungsseminar Abstracts
Master's Thesis Presentation: Direkte Bestimmung lokaler Konturmerkmale mit Convolutional Neural Networks
Richard Iltner, GET Lab
Presentation: 18.08.2021, 16:30h
Abstract (in German):
Ein häufig verwendeter Vorverarbeitungsschritt zur Objekterkennung ist die Bestimmung informativer Bildmerkmale. Bei Verdeckungen und Deformationen von Objekten sind lokale Merkmale oft besser geeignet als globale. Zur Bestimmung dieser Merkmale existieren ausgereifte Algorithmen wie SIFT (Scale-Invariant Feature Transform), wobei den detektierten Schlüsselpunkten eine charakteristische Skalierung und eine (oder mehrere) charakteristische Orientierung(en) zugeordnet werden.
In Anlehnung an SIFT wird im GET Lab ein Verfahren zur Bestimmung lokaler Konturmerkmale für diskrete Konturen entwickelt. Für die Bestimmung dieser Merkmale sind mehrere Vorverarbeitungsschritte erforderlich. Insbesondere werden eindeutige und semantisch zusammenhängende Konturelemente benötigt, für die qualitativ hochwertige Kantenbilder erforderlich sind. Die Bestimmung solcher Bilder ist bisher kaum lösbar. Die Kanten stellen idealerweise alle wesentlichen Objektkonturen dar, sind unterbrechungsfrei und weisen eine Breite von einem Pixel auf. Damit können dann Schlüsselpunkte als Krümmungsextrema der Konturen auf Basis einer Skalenraumanalyse bestimmt werden und somit wird ihnen eine charakteristische Skalierung zugeordnet.
Im Bereich der Objekterkennung haben sich Deep Learning Verfahren bewährt, weil mit ihnen komplexe Bildstrukturen erfasst und mit abstrakten Merkmalen repräsentiert werden können. Daher wird im Rahmen dieser Masterarbeit eine direkte Detektion der Merkmale mit Hilfe von Convolutional Neural Networks als geeignete Alternative untersucht, so dass die Bestimmung der Kantenbilder entfällt.