Naslov magistrskega dela: Sledenje objektov s segmentacijo in napovedovanjem globinskih barvnih slik

Povzetek:

Segmentacija slike in sledenje objektov postajata vse bolj aktualna na področju računalniškega vida, z velikim potencialom uporabe v kontroli izdelkov v industriji, avtonomnih vozil, itd. V magistrski nalogi obravnavamo problem izboljšave segmentacijskega algoritma z vključitvijo monokularne globine kot dodatne informacije k vhodni RGB sliki na kateri je tarča, ki jo želimo segmentirati oz. ji slediti. Vhod v sledilnik je referenčna RGB slika in ustrezna segmetacijska maska objekta, ki mu želimo slediti. Za naslednjo sliko iste sekvence izluščimo značilke in glede na njihovo kosinusno podobnost z značilkami referenčne slike izračunamo verjetnostno matriko pripadnosti pikslov objektu. Obema slikama napovemo globino in pridobimo matriko podobnosti med globino testne slike in globino objekta v referenčni sliki. Referenčni sliki izrežemo še predlogo objekta, ji izluščimo značilke in s križno korelacijo poiščemo maksimalni odziv na značilkah testne slike. Okoli maksimalnega odziva nato generiramo 2D Gaussovo apriorno verjetnost o lokaciji objekta. Verjetnostno matriko segmentacije, globinsko podobnost in apriori verjetnost lokacije objekta združimo in vstavimo v plitkvo mrežo MergeNet. Rezultat je segmentacijska maska objekta iz testne slike. Naš segmentacijsko globinski sledilnik (SGS) najprej evalviramo na DAVIS2016, kjer smo od osnovnega nenaučenega RGB segmentacijskega modela izboljšali povprečni Jaccardov indeks za 26%. Sledi še evalvacija sledilnika na VOT2016.

Termin zagovora: ponedeljek, 21. 10. 2019, ob 13.15

Lokacija zagovora: Diplomska soba

Mentor: izr. prof. dr. Matej Kristan

Komisija za zagovor:​

-          prof. dr. Gašper Fijavž, predsednik,

-          izr. prof. dr. Peter Peer, član,

-          izr. prof. dr. Matija Marolt, član.