Vizuální vyhledávání obrazů a geolokaliace

Abstract

Geolokalizace obrazů je náročným problémem počítačového vidění s mnoha potenciálními aplikacemi. V této práci zkoumáme problém predikce geolokace vstupního obrázku na základě přístupu založeného na vizuálním vyhledávaní obrazů. Nejprve sbíráme velký datový soubor geotagovaných fotografií, které byly pořízeny v České republice. Ze shromážděných fotografií extrahujeme deskriptory pomocí konvoluční neuronové sítě. Pomocí získaných deskriptorů budujeme geolokalizační systém obrázků, který najde podobné obrázky v databázi a předpovídá lokace vstupního obrázku na základě souřadnic podobných obrázků a jádrového odhadu hustoty. Konečně navrhujeme neuronovou síť pro vylepšení získaných deskriptorů speciálně pro úlohu geolokalizace obrazu s jádrovým odhadem hustoty.

Image geolocalization, inferring the geographic location of an image, is a challenging computer vision problem with many potential applications. In this work, we explore the problem of predicting the geolocation of an input image based on a content-based image retrieval approach. We firstly collect a large dataset of geotagged photos that were taken in the Czech Republic. We extract descriptors from the collected photos using a convolutional neural network. Using obtained descriptors we build an image geolocalisation system that finds similar images in the database and predicts the location of input image based on the coordinates of similar images and kernel density estimation. We propose a neural network that is designed to improve obtained descriptors specifically for the task of image geolocalisation with kernel density estimation.