課程 : 專題講座
日期 : 2011.10.14
時間 : 14:00 ~ 15:30
地點 : S516
作者 : 資工產碩(一) — 00366511吳家隆
講者 : 中正大學資訊工程系 朱威達教授
圖像與影片記錄有效的管理與紀錄注釋這些數位資訊與分享
物件辨識是電腦視覺研究領域中一個很重要的研究課題。在過去二十年，有相當多的物件辨識方法被提出。
利用SIFT (Scale-Invariant Feature Transform)的特點，即使是在不同視點的物件或影像，也能夠成功找出特徵點，並建立物件影像持徵點資料庫。接著利用隨機取樣物件之影像及取出特徵點與資料庫特徵點比對，利用特徵點對應點之成功數，及設立門檻值，推斷出最接近該物件的圖樣，近而找出該物件為何種類型物件。
SIFT 的原理與理論
對於SIFT 演算法主要可分為以下步驟:
1. 尺度空間的極值偵測(Scale-space extrema detection)
2. 特徵點定位(Accurate keypoint localization)
3. 方向的分配(Orientation assignment)
4. 特徵點描述(Keypoint descriptor)
本次演講著重在如何利用多模式的內容分析，從圖片、影片、以及文字註解來解決多媒體內容的分類、摘要、註解等難題。朱教授並提出具有創見的解決方案。演講期間展現出嚴謹自信的研究態度，更與大家分享未來的研究方向
日期 : 2011.10.14
時間 : 14:00 ~ 15:30
地點 : S516
作者 : 資工產碩(一) — 00366511吳家隆
講者 : 中正大學資訊工程系 朱威達教授
圖像與影片記錄有效的管理與紀錄注釋這些數位資訊與分享
物件辨識是電腦視覺研究領域中一個很重要的研究課題。在過去二十年，有相當多的物件辨識方法被提出。
利用SIFT (Scale-Invariant Feature Transform)的特點，即使是在不同視點的物件或影像，也能夠成功找出特徵點，並建立物件影像持徵點資料庫。接著利用隨機取樣物件之影像及取出特徵點與資料庫特徵點比對，利用特徵點對應點之成功數，及設立門檻值，推斷出最接近該物件的圖樣，近而找出該物件為何種類型物件。
SIFT 的原理與理論
對於SIFT 演算法主要可分為以下步驟:
1. 尺度空間的極值偵測(Scale-space extrema detection)
2. 特徵點定位(Accurate keypoint localization)
3. 方向的分配(Orientation assignment)
4. 特徵點描述(Keypoint descriptor)
本次演講著重在如何利用多模式的內容分析，從圖片、影片、以及文字註解來解決多媒體內容的分類、摘要、註解等難題。朱教授並提出具有創見的解決方案。演講期間展現出嚴謹自信的研究態度，更與大家分享未來的研究方向
沒有留言:
張貼留言