BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION

37 3 0

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

1 / 37 trang

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang	37
Dung lượng	3,01 MB

Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN ĐIỆN TỬ BỘ MÔN KỸ THUẬT MÁY TÍNH VIỄN THÔNG BÁO CÁO GIỮA KỲ MÔN MACHINE LEARNING Đề tài OBJECT DETECTION GVHD Trần Vũ Hoàng Sinh viên thực hiện Lê Xuân Đức MSSV 17119071 Đồng Nhất Khang MSSV 17119081 Tp Hồ Chí Minh – 112020 1 Giới thiệu 0 Đề tài Object Detection là quá trình tìm kiếm các cá thể đối tượng trong thế giới thực như ô tô, xe đạp, TV, hoa và con người trong hình ảnh tĩnh hoặc video Nó cho phép nhận dạng,.

Ngày đăng: 14/05/2022, 13:57

HÌNH ẢNH LIÊN QUAN

Hình 2. Sliding Windows - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 2.** Sliding Windows (Trang 4)

Hình 3. Phân layer dựa trên cơ chế convolution - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 3.** Phân layer dựa trên cơ chế convolution (Trang 5)

Hình 4. Kết quả selective search qua thuật toán Graph Based Image Segmentation - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 4.** Kết quả selective search qua thuật toán Graph Based Image Segmentation (Trang 6)

Hình 5. Region of interest pooling - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 5.** Region of interest pooling (Trang 7)

Hình 6. Proposal box sau khi sử dụng NMS (Non-maximum suppression) - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 6.** Proposal box sau khi sử dụng NMS (Non-maximum suppression) (Trang 8)

Hình 7. Thuật toán NMS - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 7.** Thuật toán NMS (Trang 9)

Hình 9: Object detection pipeline with region of interest pooling - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 9** Object detection pipeline with region of interest pooling (Trang 10)

Hình 10. Fast R-CNN - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 10.** Fast R-CNN (Trang 11)

Hình 11. Faster R-CNN - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 11.** Faster R-CNN (Trang 13)

Hình 13. Region proposal - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 13.** Region proposal (Trang 14)

Hình 12. Kiến trúc Fast R-CNN - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 12.** Kiến trúc Fast R-CNN (Trang 14)

và width, height của hình chữ nhật. Mỗi điểm như vậy là một anchor. Như vậy mỗi anchor được xác định bằng 4 tham số (x_center, y_center, width, height) - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — v à width, height của hình chữ nhật. Mỗi điểm như vậy là một anchor. Như vậy mỗi anchor được xác định bằng 4 tham số (x_center, y_center, width, height) (Trang 15)

Hình 11. Image Anchor - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 11.** Image Anchor (Trang 16)

Hình 12. RPN network model - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 12.** RPN network model (Trang 17)

Hình 14. Kiến trúc Single Shot Detector (SSD) - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 14.** Kiến trúc Single Shot Detector (SSD) (Trang 18)

Hình 13. R-CNN Test-Time Speed - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 13.** R-CNN Test-Time Speed (Trang 18)

Hình 15. Ví dụ về SSD - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 15.** Ví dụ về SSD (Trang 19)

Hình 16. Hình chữ nhận viền đen đại diện cho groundtruth box và hình chữ nhật viền đỏ đại diện cho default bounding box. - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 16.** Hình chữ nhận viền đen đại diện cho groundtruth box và hình chữ nhật viền đỏ đại diện cho default bounding box (Trang 24)

Hình 17. Region-based Fully Convolutional Network (R-FCN) - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 17.** Region-based Fully Convolutional Network (R-FCN) (Trang 27)

Hình 19. Tạo một Feature map bên trái để phát hiện góc trên cùng bên phải của một đối tượng - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 19.** Tạo một Feature map bên trái để phát hiện góc trên cùng bên phải của một đối tượng (Trang 28)

Hình 20. Tạo Feature map cho 9 điểm - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 20.** Tạo Feature map cho 9 điểm (Trang 29)

Xét hình 21, giả sử vùng được tô gạch đỏ là proposal (hình bên trái). Chúng ta cũng chia nó thành những phân vùng con có kích thước 3x3 (hình ở giữa) và tìm xem mức độ giống nhau của mỗi vùng con của proposal và vùng con của feature map như thế nào - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — t hình 21, giả sử vùng được tô gạch đỏ là proposal (hình bên trái). Chúng ta cũng chia nó thành những phân vùng con có kích thước 3x3 (hình ở giữa) và tìm xem mức độ giống nhau của mỗi vùng con của proposal và vùng con của feature map như thế nào (Trang 29)

Hình 23. Class score - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 23.** Class score (Trang 30)

Hình 22. Position sensitive ROI pool. - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 22.** Position sensitive ROI pool (Trang 30)

Hình 24. Luồng dữ liệu của mô hình - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Hình 24.** Luồng dữ liệu của mô hình (Trang 31)

6. So sánh và lựa chọn giải pháp - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — 6. So sánh và lựa chọn giải pháp (Trang 31)

Bảng thống kê kết quả so sánh: - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **Bảng th** ống kê kết quả so sánh: (Trang 33)

- Đảm bảo ảnh đa dạng về hình dáng, điều kiện thời tiết khác nhau, nhiều góc độ - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — m bảo ảnh đa dạng về hình dáng, điều kiện thời tiết khác nhau, nhiều góc độ (Trang 34)

- Cross validation là một kỹ thuật lấy mẫu để đánh giá mô hình học máy trong trường hợp dữ liệu không được dồi dào cho lắm. - BÁO CÁO GIỮA KỲ MÔN: MACHINE LEARNING Đề tài: OBJECT DETECTION — **ross** validation là một kỹ thuật lấy mẫu để đánh giá mô hình học máy trong trường hợp dữ liệu không được dồi dào cho lắm (Trang 34)