Übung 4

Name:
19.11.2015
Matrikelnummer:
Modul Mustererkennung und Optimierung
Übung 4
Kategorie-Erkennung von Bildern mittels Bag of Words Modell und BayesKlassifikator
In der vorletzten Übung wurde eine Einführung in die Computer Vision Bibliothek OpenCV gegeben.
Die Arbeit mit dieser soll nun vertieft werden. Ziel der Übung ist es, anhand von Trainingsdaten den
BOWKMeansTrainer aus der OpenCV zu trainieren und anschließend mit dem
BOWImgDescriptorExtractor Bild-Deskriptoren zu berechnen. Mit Hilfe dieser Bag of Words
Deskriptoren wird ein Klassifikator, in diesem Fall der NormalBayesClassifier trainiert.
Anschließend sollen neue, zu evaluierende Bilder auf Basis des trainierten Bayes-Klassifikators ihrer
Objekt-Kategorie zu geordnet werden.
1. Unter studis:\Modul-Musterkerkennung_und_Optimierung finden sie den Ordner Uebung 4.
Kopieren Sie sich diesen. Darin enthalten sind ein Ordner data und
ein .cpp mit Code Snippets. Legen Sie wie in der Übung zuvor ein neues Visual Studio Projekt
an um es mit der OpenCV verwenden zu können. Hierzu können Sie die
Projekteigenschaftenblätter, die Sie sich in der vorletzten Übung definiert haben verwenden.
2. Im data Ordner befinden sich zwei Sub-Ordner, train und eval. train enthält wiederum 3
Sub-Folder. dalmatian, dollar und garfield entsprechen jeweils einer Klasse, die trainiert und
anschließend klassifiziert werden soll.
3. In dem Code Snippet sind die Klassifikatoren und einige Parameter bereits angelegt.
Lesen Sie die Bilder entsprechend Trainings- und Evaluierungsdaten ein. Ein Hinweis hierzu
ist auch in der .cpp Datei gegeben.
4. Detektieren Sie in allen Trainingsbildern die Keypoints und berechnen Sie anschließend die
Deskriptoren mittels SIFT. Die entsprechenden Objekte hierfür wurden bereits angelegt.
Fügen Sie die Deskriptoren dem BOWKMeansTrainer zu und führen Sie anschließend die
Clusterung durch.
5. Anschließend kann das ‘Vokabular‘ im BOWImgDescriptorExtractor gesetzt werden.
6. Berechnen Sie für alle Trainings – und Evaluierungsbilder die Bag of Words Deskriptoren.
7. Mit den Bag of Words Deskriptoren und den zugehörigen Labels der Trainingsbilder kann nun
der NormalBayesClassifier trainiert werden.
8. Prädizieren Sie anschließend mit dem NormalBayesClassifier für die Evaluierungsbilder
ihre jeweils zugehörige Objekt-Kategorie
9. Stellen Sie die Evaluierungsbilder überlagert mit dem Namen der prädizierten Objekt-Klassen
(dalmatian, dollar oder garfield) dar.
Abgabe bis spätestens Donnerstag, 03.12.2015

Download Report