Feature Description and Detection with Deep Learning

Vojtěch Ihn

Diplomová práce

Anotace:

Tato práce popisuje použití konvolučních neuronových sítí s cílem detekovat a popsat klíčové body v obrazech. Tyto obrazy pochází z datasetu, který lze považovat za složitější optoti jiným datasetům, které jsou typicky používané v této oblasti. V této práci jsou popsány dva přístupy -- první používá neuronovou síť, která se skládá z částí typických pro tyto tyto algoritmy -- konkrétně se jedná o detektor klíčových bodů, odhad jejich orientací a jejich popis pomocí deskriptorů. V druhém přístupu je používána neuronová síť, která běžně slouží k detekci objektů a která byla upravena tak, ať detekuje právě klíčové body.

Abstract:

This thesis describes work with convolutional neural networks with the aim to detect and describe keypoints in images from a non-standard dataset, which is more complex than the datasets typically used for this task. Two approaches are explored -- the first one relies on a network covering the typical feature extraction pipeline, which consists of keypoint detection, orientation estimation and feature description, whereas the second approach uses an object detector network to detect and label specified keypoints.

Klíčová slova

CNN, detekce klíčových bodů, deskripce příznaků, detekce objektů, neuronové sítě

Keywords

CNN, keypoint detection, feature description, object detection, neural networks

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 30. 4. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 24. 6. 2020
• Vedoucí: Tomáš Fabián
• Oponent: Michal Krumnikl

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program / obor:
Informační a komunikační technologie / Informatika a výpočetní technika