computer vision

There are 7 posts tagged computer vision (this is page 1 of 1).

理想中的家用监控

自己家里有两个WiFi摄像头，一个放在半岁女儿的房间里，一个装在客厅的天花板上。家里这两个娃，小的经常在楼上睡觉，需要一个监控方便在楼下看看她；大的大部分时间在楼下玩，他妈妈在楼上带妹妹的时候可以用摄像头看着他。如果没有用摄像头就得经常上楼看两眼，或者是担心楼下的小孩子做什么危险的事情。尽管WiFi摄像头可以提供一些方便，现在的解决方案还是远没有理想中的实用。

[CV]人脸识别检测数据集

做了一段时间的人脸识别和检测，在这里列一下用过的数据集。基本上，大家近期也都是在这几个数据集上检测自己的算法。网上这方面的总结虽然不少，但是一则有些是多年前的数据，或是规模太小或是链接已经失效，再则是数据集的测试协议定义不明，不尽适合用来和其它方法做比较。 1. Labeled Faces in the Wild: 做人脸识别，准确的说是人脸验证(Face Verification)，UMass的LFW估计是最近被用的最多的了，LFW采用的测试协议也已经被几个新的数据集沿用了。人脸验证是指，给定两张人脸的照片，算法需要判断它们是不是来自同一个人。最新的结果(ICCV2013)，在限制条件最少的协议下，识别的准确率现在已经高达96%了。[广告^_^] 在限制条件最严的协议下，我们的CVPR2013的结果曾经是最好的。最近被Fisher Vector超过了.. 我们还会回来的… 2. YouTube Faces DB: YouTube Video Faces也是用来做人脸验证的，和LFW不同的是，在这个数据集下，算法需要判断两段视频里面是不是同一个人。有不少在照片上有效的方法，在视频上未必有效/高效。[广告^_^] 在这个数据集上，我们的最新的结果超过81%，目前还没有看到更高的准确率。 3. FDDB: FDDB也是UMass的数据集，被用来做人脸检测(Face Detection)。这个数据集比较大，比较有挑战性。而且作者提供了程序用来评估检测结果，所以在这个数据上面比较算法也相对公平。FDDB的一个问题是它的标注是椭圆而不是一般用的长方形，这一点可以会导致检测结果评估不准确。不过因为标准统一，问题倒也不大。[广告^_^] 我们ICCV2013的文章在这个数据上面有不错的结果。 4. The Gallagher Collection Person Dataset: 这也是一个做人脸检测的数据集，是Andrew Gallagher的家庭相册。虽然不是给人脸识别设计的，但是很接近实际应用的场景。很适合用来测试自己的方法。 5. The Annotated Faces in the Wild (AFW) testset: 这还是一个做人脸检测的数据集，随UCI的Xiangxin Zhu在CVPR2012的文章发布。值得注意的是在他们的主页有公开的源代码。虽然人脸检测做了很久，但是效果比较好的，可以在网上方便的得到的检测库除了OpenCV以外并不多见。 6. CMU Dataset: 做人脸检测的数据集，这是一个很有些年头的数据集了，虽然大家最近不常用这个数据，但是这不代表这个老数据集很容易对付。最新的检测算法往往需要比较稠密的取比较复杂的特征，这在这个黑白而且分辨率不高的数据集上未必可行。 7. POS Labeled Faces in the Wild: […]

[CV]检测灰色块

遇到一个看起来非常简单的问题：一张图片里面有一些某种颜色的色块，怎么样找到它们？ 比较囧的是这个问题的起因。因为图片的标注文件丢了，不得不这么反向做检测来找回这些标注…想想人脸那么麻烦的结构都可以被检测出来，CV对付这种几乎完美的单颜色色块应该是小菜一碟吧。所以，大家虽然感觉反向检测自己处理的图片比较囧，但是完全不觉得这是个问题。同屋的哥们当场表示，他可以在10分钟之内搞定。 他的做法是我们一开始的想法，先按照色块的颜色(RGB: 128,128,128)把图片二值化，由于JPEG压缩，色块可能会有噪声。 然后我们准备对每行求和，对每列求和，会得到两个“直方图”，然后根据“峰”的位置和宽度就可以知道色块的位置和大小了。这个方法的确可以处理一张图里只有一个色块的情况，但是当图里有多个色块的时候，会出现“峰”的叠加，比如这张图，按行求和之后，由于有并排的色块。直方图就会变成这样: 这种情况之前这种方法就不好处理了。 结果这个看起来非常简单的问题，我们也折腾了好半天。最后还是得人指点，用连通分量来做，才得以解决。 做法是在二值化的图像上，找到不同的连通块 (Connected component)，然后留下比较大的，就是灰色块了。为了处理噪声，当然需要用Gaussian做一做模糊之类的。效果还不错。（彩色色块表示检测出来的灰色色块) 问题总是没有看起来的那么简单。 matlab 代码放到 Github 上了: detect-gray-square

CVPR 2012 酱油记

没有文章，老板还是很nice的给了一次去参加CVPR的机会。虽然只是去酱油一把，但是可以到CV三会之一的CVPR看看，还是很高兴的。 提前一天到了罗德岛，这里貌似是美国最小的一个州。风景不错，但是也不觉得有什么很特别的地方。按照会议进程，头两天是Workshop和Tutorial。Tutorial是集中时间讲一个话题，比如这次有Deep Learning, Gaussian Process这种，这里列出了所有的Tutorial，有很多很吸引人的题目。Workshop是做一个小领域的人们讨论这个方向的文章。一趟下来感觉，除了很偏工程的Tutorial，没有事先看看相关的东西就去听还是比较吃力的。相对来说，Workshop比较容易懂。主要是因为Workshop里的文章多，总有一篇适合你… 两天的Workshop和Tutorial覆盖了各个方向，虽然还没有开始主会，已经感觉是码农进了大观园。感叹各种听不懂… 这两天比较有印象的是Perceptual Organization和Biometric　Workshop的几篇文章和Vision Industry & Entrepreneur Workshop的两场演讲，Boaz Super列了很多最近的利用CV技术创业的公司，然后用一大堆数据告诉大家，CV是很有前途地。虽然也听了两次Deep Learning相关的Tutorial，唯一有印象的就是Kai Yu的Sparse Coding那场，他的SC相关的文章回头还得找出来看看。 三天主会还是比较紧的。主会时间是早上８点半开始第一场Posters，一天两场Oral，三场Posters，如果Poster很相关的话，基本上一整天都在那些海报前面走来走去。 我感兴趣的Image Classification相关的文章主要是在第二天和第三天。收获确实不小，看到了很多不熟悉的名词，还有些之前没想到的东西。不过也可能是因为自己比较土鳖，看啥都新鲜…可以和作者讨论是比较理想的状态，而且也很有意思，只是文章读得还是少了，能去讨论的情况不多。今年有好几篇讨论Fine-Grained Classification的文章，做这个的可能会越来越多吧。还有就是知道了Transfer Learning这个方向，和Classification也很相关的。训练样本和测试样本不是同一个环境下得到的，这个本身就是比较实际的问题。Object Recognition这块，还是很多文章在讨论BoW之上的改进，有几篇都是在讨论如何加入空间信息，不知道什么时候会有完全不一样的一套模型出来。然后比较有印象的就是各种Simultaneously，比如把分割，分类，标注等等在一个框架下一块儿做完。Oral里面对于Transfer Learning的两篇印象较深，有一篇是Boqing师兄的，讲得很清楚。 这几天，除了看各种文章，就是看到了各位大牛小牛，认识了一些朋友，不过因为没有文章，也不是很容易讨论起来…还有就是遇到了很多科大的师兄，还有同一级的同学，我科的各位一如既往的给力而且Nice，相当高兴。 有一天吃晚饭的时候因为没有找到地方，和三个外国朋友一桌。有一位是开公司的，不住的抱怨现在CVPR里能用的东西太少，算法太慢。想来也是，现在在做的分类算法就根本不能放在机器人上去用。不过技术总是厚积薄发的，总是很多人做了很久，然后忽然一个突破。虽然取得突破的方法可能看起来全新，之前做的那么多东西都没用上，但是前面的积累想来也是必要的吧。XD 2012.6.20 在回程的大巴上