Tamaño: 183
Comentario:
|
Tamaño: 1808
Comentario:
|
Los textos eliminados se marcan así. | Los textos añadidos se marcan así. |
Línea 3: | Línea 3: |
= Robot Vision 2012 = Experimentos realizados para la 4º edición de la competencia ''''Robot Vision Challenge - ImageCLEF''''. [[http://www.imageclef.org/2012/robot|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 == == 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 * IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0 * SGD: hinge loss, 20 iteraciones ==== Resultados ==== ||1||2|| ||3||4|| |
Robot Vision 2012
Experimentos realizados para la 4º edición de la competencia 'Robot Vision Challenge - ImageCLEF'.
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:
- 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
- J. van de Weijer, C. Schmid, J. Verbeek, D. Larlus. "Learning Color Names for Real-World Applications", IEEE TIP, 2009.
Repositorio con los scripts para replicar los experimentos
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
- IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0
- SGD: hinge loss, 20 iteraciones
Resultados
1 |
2 |
3 |
4 |