Robustní odhad geometrických modelů pro vyhledávání pomocí neuronových sítí

Abstract

Vyhledávání obrázků na úrovni instancí využívá prostorové ověřování, které je založeno na robustním odhadu geometrických transformací mezi dvojicí obrázků. Prostorové ověřování generuje různé transformace z provizorně určených odpovídajících si rysů. Diplomová práce si klade za cíl implementovat tento algoritmus a rozšířit jej o využití úseček detekovaných v okolí těchto rysů. Dvě strategie párování jsou použity k určení korespondencí jednotlivých úseček, aby se vytvořila dodatečná omezení na odhadovanou transformaci. Dále jsou využity úběžníky získané z nadetekovaných přímek k vytvoření dalších omezení. Všechny přístupy jsou vyhodnoceny a je ukázáno, že úsečky mohou kompenzovat nepřesná nebo plně chybějící data rysů v obrázcích.

Instance level image retrieval makes use of a spatial verification, which is based on a robust estimation of geometrical transformations between a pair of images. The spatial verification generates various transformations from tentative feature correspondences. This thesis aims to implement this algorithm and extend it by utilising line segments detected in the neighbourhood of the feature pair. Two matching strategies are used to determine segment correspondences in order to generate soft constraints on the estimated transformation. Furthermore, vanishing points obtained from underlying lines are utilised to create additional hard constraints. All approaches are evaluated, and it is shown that lines can compensate for inaccurate or completely missing feature data.