Reinforcement learning of visual descriptors for object recognition
Mónica Piñol Naranjo · TDX (Tesis Doctorals en Xarxa) · 2014
El sistema visual huma es capac de reconeixe l'objecte que hi ha en una imatge encara que l'objecte estigui parcialment oclos, des de diferents punts de vista, en diferents colors i amb independencia de la distancia a la que es troba l'objecte de la camera. Per poder realitzar aixo, l'ull obte l'imatge i extreu unes caracteritiques que son enviades al cervell i es alla on es classifica l'objecte per poder identificar-lo. En el reconeixement d'objectes, la visio per computador intenta imitar el sistema huma. Aixi, s'utilitza un algoritme per detectar caracteristiques representatives de l'escena (detector), un altre algoritme per descriure les caracteristiques extretes (descriptor) i finalment la informacio es enviada a un tercer algoritme per fer la classificacio (aprenentatge). Escollir aquests algoritmes es molt complicat i tant mateix una area d'investigacio molt activa. En aquesta tesis ens hem enfocat en la seleccio/aprenentatge del millor descriptor per a cada imatge. A l'actualitat hi ha molts descriptors a l'estat de l'art pero no sabem quin es el millor, ja que no depen sols d'ell mateix sino tambe depen de les caracteristiques de les imatges (base de dades) i dels algoritmes de classificacio. Nosaltres proposem un marc de treball basat en l'aprenentatge per reforc i la bossa de caracteristiques per poder escollir el millor descriptor per a cada imatge. El sistema permet analitzar el comportament de diferents classiicadors i conjunts de descriptors. A mes el sistema que proposem per a la millora del reconeixement/classificacio pot ser utilizat en altres ambits de la visio per computador, com per exemple el video retrieval