Robot Vision 2012

Experimentos realizados para la 4º edición de la competencia 'Robot Vision Challenge - ImageCLEF'.

Robot Vision 2012 Web Site

Cosas que vamos a tener que probar

• Aumentar los conjuntos de datos con la versión espejada de las imágenes
• Algún pre-procesamiento para estabilizar el "motion blur" y el "flickering"
• Debluring:

  • http://www.di.ens.fr/willow/research/deblurring/ (código en matlab)

  • http://grail.cs.washington.edu/projects/mdf_deblurring/

  • Flickering: se puede probar trabajar en aglún espacio de color que sea robusto frente a cambios afines en la iluminación
• Descriptores de colores

  • J. van de Weijer, C. Schmid, J. Verbeek, D. Larlus, Learning Color Names for Real-World Applications, IEEE TIP, 2009.

    http://lear.inrialpes.fr/people/vandeweijer/color_names.html

  • K. van de Sande, T. Gevers and C. Snoek, Evaluating Color Descriptors for Object and Scene Recognition, IEEE TPAMI, 2010

    http://koen.me/research/colordescriptors

Repositorio con los scripts para replicar los experimentos

hg clone https://proyectos.ciii.frc.utn.edu.ar/hg/robot_vision_2012

25 abril 2012

Experimento 1

Configuración

• Descriptores: SIFT sobre grilla regular (DSIFT de vlfeat), patchs 32x32, paso=8, L2-norm., D=128
• PCA: subespacio aprendido sobre training1+training2+training3, D=80

• GMM: aprendido sobre training1+training2+training3, para N = 8, 16 y 32

• IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0

• SGD: hinge loss, 20, 50 y 100 iteraciones, lambda = 1e-2, 1e-3 y 1e-4, training sobre training1 y testeando sobre training2. La clasificación se realizo con argmax.

Resultados

• Usando 20 iteraciones