Metode za detekcijo objektov osnovane na značilnicah se za določitev lokacije specifičnega objekta v testni sliki zanašajo na diskriminativno naravo značilnic.
Nediskriminativne značilnice v množici detektiranih značilnic se izloča z uporabo podobnostnega pragu. To pomeni da se detektirano značilnico zavrže, če je ta podobna več kot eni značilnici v modelu. V primerih detekcije objektov s ponovljivimi se vzorci se podobnosti prag izkaže kot neučinkovit, saj obravnava večino detektiranih značilnic kot nediskriminativne, t.j., podobnih več kot eni značilnici v modelu.
V kontekstu učenja z enim primerom v magistrski nalogi predlagamo konstelacijski model kot dodatek k osnovnim metodam za detekcijo objektov, osnovanih na zančilnicah.
%, saj slednje ohranjajo prostorske relacije med značilnicami.
Cilj je uporabiti ohranjeno geometrijo med značilnicami kot filter za nediskriminativne značilnice in posledično eliminirati potrebo po podobnostnem pragu.
Delovanje predlaganega konstelacijskega modela z empirično in numerično varianco značilnic primerjamo z osnovnim modelom osnovanim na značilnicah.
Model evaluiramo na zahtevni bazi katera se sestoji iz logotipov v realnih okoljih.
Ugotovimo da je najboljša različica konstelacijskega modela tista z empirično varianco značilnic, saj slednja značilno zmanjša število nediskriminativnih značilnic brez značilnega poslabšanja delovanja algoritma za detekcijo objektov.
|
