Wisplinghoff, Andre (2014)
Rotation Invariant Object Detection based on an Implicit Shape Model.
Technische Universität Darmstadt
Masterarbeit, Bibliographie
Kurzbeschreibung (Abstract)
We present a novel approach for rotation and scale invariant object detection based on the well-known Implicit Shape Model. The original Implicit Shape Model achieves good performance in detecting and localizing objects of a visual category in a scale-invariant manner. For a number of use cases such as e. g. pedestrian or car detection, this approach is sufficient, because the objects nearly always appear upright. For other use cases, though, rotation invariance is crucial. One of these use cases is the automatic detection of dangerous objects in X-ray images of passenger luggage, where objects may appear in any orientation. In contrast to prior work, our approach does not require multiple object detection runs on rotated versions of the original image. By using rotation invariant features in combination with a rotation-aware voting procedure, we can directly detect arbitrarily oriented objects. We show that our approach achieves competitive performance on the X-ray image dataset. Wir stellen einen neuen Ansatz für rotations- und skaleninvariante Objekterkennung auf Basis des bekannten Implicit Shape Models vor. Das ursprüngliche Implicit Shape Model erreicht gute Ergebnisse bei der skaleninvarianten Erkennung und Lokalisierung von Objekten einer bestimmten visuellen Kategorie. Dieser Ansatz ist für eine Reihe von Anwendungsgebieten wie z.B. Erkennung von Fußgängern oder Autos ausreichend, da sich diese Objekte in Straßenszenen nahezu immer in aufrechter Position befinden. In anderen Anwendungsfällen ist allerdings Rotationsinvarianz von entscheidender Bedeutung. Ein solches Beispiel ist die automatische Erkennung von gefährlichen Gegenständen in Röntgenbildern von Reisegepäck, da hier die Gegenstände in beliebiger Ausrichtung in den Bildern vorkommen können. Im Gegensatz zu bisherigen Ansätzen, muss bei unserem Ansatz die Objekterkennung nicht mehrmals auf rotierten Versionen der Originalbilder durchgeführt werden. Durch den Einsatz von rotationsinvarianten Features zusammen mit einer angepassten Vorgehensweise beim Voting, können wir direkt beliebig ausgerichtete Objekte erkennen. Wir zeigen, dass unser Ansatz auf einem Datensatz von Röntgenbildern ähnlich gute Ergebnisse liefert wie vorangegangene Ansätze.
| Typ des Eintrags: | Masterarbeit |
|---|---|
| Erschienen: | 2014 |
| Autor(en): | Wisplinghoff, Andre |
| Art des Eintrags: | Bibliographie |
| Titel: | Rotation Invariant Object Detection based on an Implicit Shape Model |
| Sprache: | Englisch |
| Publikationsjahr: | 2014 |
| Kurzbeschreibung (Abstract): | We present a novel approach for rotation and scale invariant object detection based on the well-known Implicit Shape Model. The original Implicit Shape Model achieves good performance in detecting and localizing objects of a visual category in a scale-invariant manner. For a number of use cases such as e. g. pedestrian or car detection, this approach is sufficient, because the objects nearly always appear upright. For other use cases, though, rotation invariance is crucial. One of these use cases is the automatic detection of dangerous objects in X-ray images of passenger luggage, where objects may appear in any orientation. In contrast to prior work, our approach does not require multiple object detection runs on rotated versions of the original image. By using rotation invariant features in combination with a rotation-aware voting procedure, we can directly detect arbitrarily oriented objects. We show that our approach achieves competitive performance on the X-ray image dataset. Wir stellen einen neuen Ansatz für rotations- und skaleninvariante Objekterkennung auf Basis des bekannten Implicit Shape Models vor. Das ursprüngliche Implicit Shape Model erreicht gute Ergebnisse bei der skaleninvarianten Erkennung und Lokalisierung von Objekten einer bestimmten visuellen Kategorie. Dieser Ansatz ist für eine Reihe von Anwendungsgebieten wie z.B. Erkennung von Fußgängern oder Autos ausreichend, da sich diese Objekte in Straßenszenen nahezu immer in aufrechter Position befinden. In anderen Anwendungsfällen ist allerdings Rotationsinvarianz von entscheidender Bedeutung. Ein solches Beispiel ist die automatische Erkennung von gefährlichen Gegenständen in Röntgenbildern von Reisegepäck, da hier die Gegenstände in beliebiger Ausrichtung in den Bildern vorkommen können. Im Gegensatz zu bisherigen Ansätzen, muss bei unserem Ansatz die Objekterkennung nicht mehrmals auf rotierten Versionen der Originalbilder durchgeführt werden. Durch den Einsatz von rotationsinvarianten Features zusammen mit einer angepassten Vorgehensweise beim Voting, können wir direkt beliebig ausgerichtete Objekte erkennen. Wir zeigen, dass unser Ansatz auf einem Datensatz von Röntgenbildern ähnlich gute Ergebnisse liefert wie vorangegangene Ansätze. |
| Freie Schlagworte: | Computer vision, Object detection, Object class detection, Object localisation, X-ray |
| Zusätzliche Informationen: | 79 p. |
| Fachbereich(e)/-gebiet(e): | 20 Fachbereich Informatik 20 Fachbereich Informatik > Graphisch-Interaktive Systeme |
| Hinterlegungsdatum: | 12 Nov 2018 11:16 |
| Letzte Änderung: | 12 Nov 2018 11:16 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum