Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 83 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
83
Dung lượng
2,32 MB
Nội dung
!ả ặ ư "#$ %& &'()*+,-! ả ọ &'( .) /-0123.4 55.ươ 4) /Ư ị ọ .4 546 )*' / ị ọ ạ .4 5.7 8)/-0 * ,-9'.4.454ị ệ 6)*' : $.4 5;<ị ộ =%Ộ .)> ? @& - & ọ ậ ữ ệ ử ệ 4)ABC ặ ư )D 9? ? @& -&?#? $' !"ự ổ ứ ữ ệ ự #$) 8)-9 !1&?#? $' !"#$ự 6)&"'!E-ả * $ ? @& -ự ọ ậ ữ ệ !" #ậ ữ ệ ượ ự ọ !$%"& '()*+( +,)-. ' ' / / ậ ữ ệ ả ộ ủ ườ ư ạ ả ',' / / 0&ư ư 1222&2&23&&4+& 5 =%Ộ .)> ? @& - & ọ ậ ữ ệ ử ệ 4)ABC ặ ư )D 9? ? @& -&?#? $' !"ự ổ ứ ữ ệ ự #$) 8)-9 !1&?#? $' !"#$ự 6)&"'!E-ả 6 F C ươ ọ ặ ư G .(A$?$@&ướ 78/ ' ,'9+ 9 ẫ ẫ ạ ờ ể ' :(9&ờ ; G .H I(& & ướ ở ộ ệ ể ự ị <+ = >'?78?,8+ / ự ả ớ ự ổ ỷ ệ ả '@A5@ </&ử ụ ể B G .H I(& & ướ ở ộ ệ ể ự ị '@A5@ </&ử ụ ể 1",8 ỷ ệ 1 CDẢ 1E.('' $ỷ ệ ủ Ả 1" @A5@ộ ọ G .H I(& & ướ ở ộ ệ ể ự ị 9 F9 ? .@+ 9 F':G- ỗ ể ả ượ ị ở ớ ể ể F': H . 78 ,)>',8= '9 78 78&ọ ể ẫ ạ ị ớ ặ ỏ * G .H I( &##&)ướ ở ộ ị ị 9 /1ọ ể I = ' 78J(' ? K ể ộ ươ ả ổ ị ả ị ễ H9 ,?, &ể ạ '5@Eử ụ - [...]... bit8) i=1,…,64; t=1…4 Vector đặc trưng tại điểm trọng yềấ gồồ 64(4x4x4) vector u m block nồấtiềấ nhau i p U=(B1t, B2t, … , B64t) 1/28/15 NỘI DUNG 20 1 Chọn tập dữ liệu thử nghiệm 2 Rút trích đặc trưng 3D- SIFT 3 Xây dựng mô hình tổ chức dữ liệu video dựa trên mô hình gom nhóm phân câấ kp means 4 Truy vâấ Video dựa trên mô hình gom nhóm phân câấ k- means n p 5 Đánh giá k ấ quả t 1/28/15 Building the... diện cho hướng chính 1/28/15 Bước 3: Mô tả vector đặc trưng 3DSIFT 17 Xác định các thành phấồ của SIFT description n 1/28/15 Bước 3: Mô tả vector đặc trưng 3DSIFT 18 Tạo ra mảng chứa các lược đồ ịnh hướng tổng hợp đó đ chiềồ p u Sồấ u = 8x4 hướng × (4×4x4) điểm hấấ dẫn = 2048 chiềồ 1/28/15 Bước 3: Mô tả vector đặc trưng 3DSIFT 19 Mỗi block biểu diễn bởi vector đặc trứng 32 (8x4) thành phấồ n ... “Visual Word” là một đặc trưng 3D- SIFT Lượng tử hóa các “Visual Word” và đưa vào cấy Sử dụng thuật toán Hiererachical k- Means k: sồấ nhánh của cấy L: chiềồ cao của cấy u 1/28/15 Building the Vocabulary Tree 22 1/28/15 Building the Vocabulary Tree 23 1/28/15 Building the Vocabulary Tree 24 1/28/15 Building the Vocabulary Tree 25 Khồấ i_1 1/28/15 Building the Vocabulary Tree 26 Khồấ i_2 1/28/15 Building... Tree 26 Khồấ i_2 1/28/15 Building the Vocabulary Tree 27 Khồấ i_3 1/28/15 28 Thuật toán H -k- means: Chia dữ liệu một cách đệ qui thành các cụm Nhập vào giá trị của k Chia dữ liệu thành k cụm; tại k cụm, lặp: Tính k/ cách giữa các vector với tấm của mỗi cụm Chọn k vector có khoảng cách gấồ tấm nhấấ n t 1/28/15 Building the Vocabulary Tree 29 k= 3 1/28/15 Building the Vocabulary Tree 30 1/28/15 Building... Xác định hướng và độ lớn tại điểm hấấ dẫn (interest point) p 1/28/15 Bước 2: Xác định hướng và biên độ của điểm interest point 12 Dựa vào hướng của điểm interest point, biềấ được điểm hấấ dẫn bấấ biềấ với sự quay t p t n ảnh Tại mỗi điểm interest point, trích xuấấ một ảnh Gaussian (khung Gaussian) chứa các t điểm lấn cận điểm interest point đó 1/28/15 Bước 2: Xác định hướng và biên độ của điểm... Ảnh Gaussian với tỷ lệ nhỏ nhấấ t : Hướng của vector định hướng : Hướng lệch trong khồng gian 2D theo t 1/28/15 Bước 2: Xác định hướng và biên độ của điểm interest point 14 Lx=L(x+1,y,t)-L(x-1,y,t) Ly=L(x,y+1,t)-L(x,y-1,t) Lt=L(x,y,t+1)-L(x,y,t-1) −π π , 2 2 φ ∈ 1/28/15 Bước 2: Xác định hướng và biên độ của điểm interest point 15 1/28/15 Bước 2: Xây dựng Orientation Histogram 16