prikaz prve stranice dokumenta Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike
No public access
undergraduate thesis
Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2014. urn:nbn:hr:168:644841
Biščanić, Kristijan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Biščanić, K. (2014). Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:644841

Biščanić, Kristijan. "Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2014. https://urn.nsk.hr/urn:nbn:hr:168:644841

Biščanić, Kristijan. "Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2014. https://urn.nsk.hr/urn:nbn:hr:168:644841

Biščanić, K. (2014). 'Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 16 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:644841

Biščanić K. Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2014 [cited 2024 July 16] Available at: https://urn.nsk.hr/urn:nbn:hr:168:644841

K. Biščanić, "Eksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2014. Available at: https://urn.nsk.hr/urn:nbn:hr:168:644841

Metadata
TitleEksperimentalno vrednovanje strojno naučenog postupka za pronalaženje istaknutih značajki slike
Title (english)Experimental evaluation of a machine learned algorithm for detecting distinctive image features
AuthorKristijan Biščanić
MentorSiniša Šegvić (mentor)
Committee memberAlan Jović (predsjednik povjerenstva)
Committee memberDarijan Marčetić (član povjerenstva)
Committee memberSiniša Šegvić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2014-07-14, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Rad razmatra i evaluira postupke čija je zadaća pronalaženje istaknutih značajki slike. Usporedno su evaluirani postupci FAST, strojno naučeni postupak za pronalaženje istaknutih značajki, te Harrisov detektor kutova. U okviru rada je razvijena komponenta koja omata FAST postupak za pronalaženje istaknutih značajki iz biblioteke OpenCV te implementira zadano apstraktno sučelje kako bi se mogla koristiti umjesto postojećih komponenata za pronalaženje značajki. Navedena se komponenta eksperimentalno vrednuje koristeći postojeće komponente za praćenje značajki na sljedovima slika s poznatim optičkim tokom te se ocjenjuje odnos rezultata dobivenih uporabom novorazvijene komponente u odnosu na rezultate dobivene uporabom postojeće komponente za pronalaženje značajki. U usporedbi se rezultata razmatraju ponovljivost detekcije značajki i konzistentnost postupaka detekcije, preciznost detekcije značajki putem evaluacije preciznosti praćenja značajki te vrijeme potrebno za pronalazak značajki na pojedinim slikama. Za provođenje se eksperimenata koristi postojeći ispitni skup sljedova slika namijenjen za evaluaciju postupaka praćenja optičkog toka koji je objavio Middlebury College.
Abstract (english)
This paper examines and evaluates algorithms whose task is detecting distinctive image features. FAST, machine learned algorithm for feature detection, and Harris corner detector are being evaluated simultaneously. As a part of this paper, there was developed an adapter component wrapping OpenCV implementation of FAST algorithm and enabling its use instead of existing feature detectors. This component is experimentally evaluated using the existing feature tracking system on image sequences with known optical flow values and results are compared with those using Harris corner detector instead. The comparison results focus on repeatability and consistency values of feature detectors, the accuracy tracking using said detectors and on analysing time required for detection on each image. All experiments are conducted on image database consisting of image sequences made for evaluation of optical flow calculation algorithms provided by Middlebury College.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:644841
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2018-02-05 17:27:03