20120414 videorecognition konushin_lecture03

Выделение объектов

13-15 апреля 2012 года

Антон КонушинComputer science club, Екатеринбург

Задача выделения объекта

• Выделение объектов• Где на изображении (и есть ли)

самолет?

• Структурный выход • Нужно выдать ограничивающий

прямоугольник

Насколько задача сложна?

Это стул

Найдём стул в изображении Выход корреляции

Найдём стул в этом изображени

МусорПростое сопоставление шаблонов не решает задачу

Насколько задача сложна?

Сложный фон, разные ракурсы, внутриклассовая изменчивость объектов

• Рассматриваем только прямоугольную область (окно)

• Если выбрали точно, то в эту область попадёт только лицо

• Просмотрим все области, «сканируя» окном изображение

Скользящее окно

• Каждую область будем обрабатывать независимо

Сканирование изображения окном фиксированного размера – хорошая идея

Недостатки скользящего окна

• Соотношение размеров рамки

• Дискретность сдвига• Частичное перекрытие• Множественные отклики

• Фактически, разделяем изображение на множество перекрывающихся окон

• Сформулируем задачу выделения объектов как задачу классификации окна – объект / не объект

• Для обучения классификатора будем собирать выборки окон с объектами и без объектов

Мешок фрагментов

Решающая граница

Мониторы

Фон

В пространстве признаков

Где мониторы?

Классификация окон

Схема метода

Метки

Обучение классифика

тора

Обучение

Признаки изображения

Обученный классификатор

Обучающие изображения

Схема метода

Метки

Обучение классифика

тора

Обучение

Обученный классификатор

Обучающие изображения

Применение

Обученный классификатор Машина

Предсказание

Признаки пикселей

Пространство цветов L*a*b*Пространство

цветов HSVПространство цветов RGB

Градиенты в каждом пикселе

Наличие и ориентация края в каждом пикселе

Использование напрямую

• Можно ли использовать признаки всех пикселей напрямую?

• Можно, если все изображения для классификации будут одинакового размера

• Нормализуем изображения, т.е. приведем их к одному размеру

• Вытянем изображение в вектор, признаки пикселей будут элементами вектора

Для распознавания, изображение должно описываться вектор-признаком фиксированной длины!

Space Shuttle Cargo Bay

Агрегирование

• Вместо использования признаков напрямую, можно вычислить какие-то общие характеристики для объекта («агрегирование» признаков)

• Гистограммы – стандартный способ непараметрического описания распределения признаков

Images from Dave Kauchak

Квантование признаков

• Как построить гистограмму для признаков, которые изменяются непрерывно?

• Или разрешение слишком большое?• «Квантование» - отображение признаков на меньшее

разрешение• Пр: все направления градиента разбиваем на 8 вариантов• Каждый вариант нумеруем от 1 до 8

Квантование признаков

• Есть фотографии тигров и медведей• Хотим научиться отличать одни от других по цвету• Оптимально ли использовать гистограмму цветов на

интервале от [0,255]?• Не все цвета встречаются!

Адаптивное квантование

• Хотим разбить элементы (пр. пиксели) на часто встречающиеся группы

• Затем можем каждый элемент сопоставить своей группе (дать ему номер группы)

• Кластеризация!

Кластеризация

• Дана обучающая выборка

• Объекты независимы и взяты из некоторого неизвестного распределения

• цель: для всех новых значений x оценить значения x

i mx R

( )i x x�

1m mX x , ..., x

Кластеризация K-cредними• Минимизируем сумму квадратов Евклидовых

расстояний между точками xi и ближайшими центрами кластеров mk

• Алгоритм:• Случайно инициализируем K центров кластеров• Повторяем до сходимости:

• Назначаем каждую точку ближайшему центру• Пересчитываем центр каждого кластера как среднее

всех назначенных точек

ki mxMXDcluster

clusterinpoint

2)(),(

Иллюстрация

Алгоритм К-средних

• Однопараметрический• Требует знания только о

количестве кластеров

• Рандомизирован• Зависит от начального

приближения

• Не учитывает строения самих кластеров

• Часто применяется

Для нашего примера

• Зададим количество кластеров (например, 100)• Кластеризуем• Будут кластеры в белой, зеленой, черной,

оранжевой областях

Функции сравнения гистограмм

• Histogram intersection(нормализованные гистограммы)

• L1 distance

• χ2 distance

• Quadratic distance (cross-bin)

iihihhhD

12121 |)()(|),(

Jan Puzicha, Yossi Rubner, Carlo Tomasi, Joachim M. Buhmann: Empirical Evaluation of Dissimilarity Measures for Color and Texture. ICCV 1999

i ihihihihhhD

21 )()()()(),(

ij jhihAhhD,

22121 ))()((),(

mjiji mhmhhhD

1)(),(min1),(

Проблемы сравнения гистограмм

• Все метрики сравнения гистограмм чувствительны к размеру ячеек

• Можно использовать более широкие ячейки, но при этом теряем «разрешающую способность»

Пространственное распределение

У всех этих трех изображений похожие гистограммы цветов

Пространственная пирамида

Вычислим гистограму в каждом блоке и объединим все гистограммы в один вектор-признак

Уровень 0 Уровень 1 Уровень 2

Пример: HOG

• Идея была изначально предложена для пешеходов, но затем стала широко применяться

• Прямоугольное окно 64 x 128 пикселов разобьём на ячейки (cells) 8 x 8 пикселей

• В каждой ячейке посчитаем гистограмму ориентаций градиентов (8 корзин)

• Можем нормализовать не каждую гистограмму отдельно, а объединяя их в блоки 2x2 и тогда нормализуя вместе

• Много параметров для настройки

Navneet Dalal, Bill Triggs,Histograms of Oriented Gradients for Human Detection, CVPR 2005

Примеры

Общая схема

Вычислим признаки по

изображению

Посчитаем статистику по выбранной

области

Квантуем признаки

Определим область для вычисления

RGB Квантование на 10 уровней

71% 29%

Посчитанная гистограмма

Теперь нужно обучить классификатор по этим признакам

Линейный классификатор• Найдем линейную функцию (гиперплоскость) и разделим

положительные {y=+1} и отрицательные {y=-1} примеры {x}

bныеотрицательbныеположитель

wxxwxx

Какая гиперплоскость

наилучшая?

Метод опорных векторов (SVM)• Support Vector Machine (SVM)• Найдем гиперплоскость, максимизирующую отступ между

положительными и отрицательными примерами

C. Burges, A Tutorial on Support Vector Machines for Pattern Recognition, Data Mining and Knowledge Discovery, 1998

Метод опорный векторов• Найдем гиперплоскость, максимизирующую отступ между

положительными и отрицательными примерами

1:1)(1:1)(

byныеотрицательbyныеположитель

wxxwxx

ОтступОпорные вектора

Расстояние от точки до гиперплоскости: ||||

||wwx bi

Для опорных векторов, 1 bi wx

Поэтому отступ равен 2 / ||w||

Поиск гиперплоскости1. Максимизируем 2/||w||2. Правильно классифицируем все данные:

• Квадратичная оптимизационная задача:

• Минимизируем

При условии yi(w·xi+b) ≥ 1

• Решается с помощью методом множителей Лагранжа

1:1)(1:1)(

byныеотрицательbyныеположитель

wxxwxx

Поиск гиперплоскости

• Решение:

• Для большей части векторов вес = 0!• Все вектора, для которых вес >0 называются

опорными• Определяется только опорными векторами

i iii y xw

Опорныевектора

Обученные веса

Поиск гиперплоскости• Решение:

b = yi – w·xi для любого опорного вектора

• Решающая функция:

• Решающая функция зависит от скалярных произведений (inner product) от тестового вектора x и опорных векторов xi

• Решение оптимизационной задачи также требует вычисления скалярных произведений xi · xj между всеми парами векторов из обучающей выборки

i iii y xw

bybi iii xxxw

Реальный случай

Минимизируем

При условии

С – параметр регуляризации

Tn ,...,1

Вводим дополнительные «slack» переменные:

iii bwxy 1)(

• На линейно разделимых данных SVM работает отлично:

• Но на более сложных данных не очень:

• Можно отобразить данные на пространство большей размерности и разделить их линейно там:

Нелинейные SVM

Slide credit: Andrew Moore

Φ: x→ φ(x)

Нелинейные SVM• Идея: отображение исходного пространства

параметров на какое-то многомерное пространство признаков (feature space) где обучающая выборка линейно разделима:

Slide credit: Andrew Moore

Нелинейные SVM• Вычисление скалярных произведений в многомерном

пространстве вычислительно сложно• The kernel trick: вместо прямого вычисления преобразования

φ(x), мы определим ядровую функцию K:

K(xi , xjj) = φ(xi ) · φ(xj)

• Чтобы все было корретно, ядро должно удовлетворять условию Мерсера (Mercer’s condition)

• Матрица K(xi,xj) должна быть неотрицательно определенной

• С помощью ядра мы сможем построить нелинейную решающую функцию в исходном пространстве:

iii ),( xx

Для гистограмм

• Поскольку вектор-признак у нас – гистограмма, нам потребуются специальные ядра

• Ядро пересечения гистограмм:

• Обобщенное гауссово ядро:

• D может быть евклидовым расстоянием, χ2 , и т.д.

iihihhhI

12121 ))(),(min(),(

2121 ),(1

exp),( hhDA

J. Zhang, M. Marszalek, S. Lazebnik, and C. Schmid, Local Features and Kernels for Classifcation of Texture and Object Categories: A Comprehensive Study, IJCV 2007

Обучение детектора• Сколько на изображении объектов «автомобиль» и сколько

фрагментов фона?

• Выделение объектов ассиметричная задача: объектов гораздо меньше, чем «не-объектов»

• Вдобавок, класс «не объект» очень сложный – нужно много разных данных для обучения

• Для SVM желательно одинаковое количество и фона, и объекта

Пример – поиск «торса»

• Хотим построить детектор «верхней части тела и головы»

• Воспользуемся схемой HOG + линейный SVM• Данные

• 33 фрагмента фильмов из базы Hollywood2• 1122 кадров с размеченным объектами

• На каждом кадре отмечены 1-3 человека, всего 1607 людей, это маловато

Положительные окна

Внимание: похожие положение и ориентация!

Посмотрим, что отметили люди при разметке:

Искаженные примеры

Небольшие сдвиги, отображения, повороты, изменения масштаба

Давайте «размножим» данные, «пошевелив» их:

Искаженные примеры

Сколько отрицательных примеров можно набрать из 1100 кадров?• Гораздо больше 32k.

Вспомним SVM – нам нужны «трудные примеры» для фона. Как их найти, если мы всего можем выбрать ~32k для фона?

Из 1607 эталонных примеров получили ~32000 искаженных (jittered) примеров

Бутстраппинг (Bootstrapping)

• Выбираем отрицательные примеры случайным образом

• Обучаем классификатор• Применяем к данным• Добавляем ложные

обнаружение к выборке• Повторяем

• Смысл:• Ложные обнаружения для первого детектора – сложные (hard negative)• Пусть наша выборка фона будет маленькой, но сложной и представительной

I. Laptev "Improvements of Object Detection Using Boosted Histograms« ВMVC 2006

Случайные фрагменты фона

Элементы выборки фона для первой итерации:

Первая стадия

• Ищем ложные обнаружения с высоким рейтингом • Используем их как трудные отрицательные примеры• Затраты: # количество изображений x поиск в каждом

Трудный отрицательный пример

Трудные примеры

Измерение качества

После перетренировки

Сравнение

Пример

Резюме алгоритма

• Используем скользящее окно• Строим вектор-признак

• Выбираем признаки пикселей для расчёта• Определяем вид агрегирования (гистограмма, метод

построения)• Выбираем пространственное разбиение (окно целиком,

сетка, пирамида)

• Обучаемый SVM• Линейный• Нелинейный (нужно выбрать тип ядра)

• Для обучения:• Размножаем (шевелим) эталонные примеры объектов• Используем схему bootstrapping для выбора примеров

фона

Требования к детектору• Для изображения в 1МП нужно просмотреть порядка

1М окон (например, для случая лиц)• На одном изображении обычно 0-10 лиц

• Чтобы избежать ложных обнаружений (false positives)ошибка 2го рода должна быть ниже 10-6

• Нужно быстро отбрасывать ложные окна

Детектор Violo-Jones• Основополагающий метод для поиска объектов

на изображении в реальном времени• Обучение очень медленное, но поиск очень быстр• Основные идеи:

• Слабые детекторы как признаки объектов• Интегральные изображения для быстрого вычисления

признаков• Бустинг для выбора признаков• Каскад (Attentional cascade) для быстрой отбраковки окон

без лица

P. Viola and M. Jones. Rapid object detection using a boosted cascade of simple features. CVPR 2001.

P. Viola and M. Jones. Robust real-time face detection. IJCV 57(2), 2004.

Найти стул в изображении

Что если воспользоваться маленькими фрагментами? Искать не стул, а часть стула?

Вспомним сопоставление шаблонов

Части объектовЧто если воспользоваться маленькими фрагментами? Искать не стул, а часть стула?

Не так плохо, срабатывает на ножках

Определим семейство визуальных признаков, которые могут использоваться как слабые классификаторы («слабые детекторы»

Берём изображение на вход. Бинарный отклик будет выходом. Получаем слабый детектор.

Слабые детекторы

Признаки Хоара

“Прямоугольные фильтры”

Value =

∑ (pixels in white area) –∑ (pixels in black area)

Пример

Source

Result

Интегральные изображения

• Значение каждого пиксела (x,y) равно сумме значений всех пикселов левее и выше пикселя (x,y) включительно

• Интегральное изображение рассчитывается за один проход

Вычисление интегрального изображения

• Сумма по строке: s(x, y) = s(x–1, y) + i(x, y) • Интегральное изображение: ii(x, y) = ii(x, y−1) +

s(x, y)

ii(x, y-1)s(x-1, y)

i(x, y)

MATLAB: ii = cumsum(cumsum(double(i)), 2);

Вычисление суммы в прямоугольнике

• Пусть A,B,C,D – значения интегрального изображения в углах прямоугольника

• Тогда сумма значений пикселов в исходном изображении вычисляется по формуле:

sum = A – B – C + D• 3 операции сложения для

любого прямоугольника

Пример

-1 +1+2-1

Integral Image

Выбор признаков• Для окна поиска 24x24 пиксела, число возможных

прямоугольных признаков достигает ~160,000!

Выбор признаков

• Для окна поиска 24x24 пиксела, число возможных прямоугольных признаков достигает ~160,000!

• В процессе поиска вычислять все признаки нереально

• Хороший классификатор должен использовать лишь маленькое подмножество всевозможных признаков

• Вопрос - как выбрать такое подмножество?

Бустинг• Бустинг – схема классификации, основанная на

комбинировании слабых классификаторов в более точный комитетный• Слабый классификатор должен быть лучше монетки

• Обучение состоит из нескольких этапов усиления (boosting rounds)• На каждом этапе выбираем слабый классификатор,

который лучше всех сработал на примерах, оказавшихся трудными для предыдущих классификаторов

• «Трудность» записывается с помощью весов, приписанных примерам из обучающей выборки

• Составляем общий классификатор как линейную комбинацию слабых классификаторов

Y. Freund and R. Schapire, A short introduction to boosting, Journal of Japanese Society for Artificial Intelligence, 14(5):771-780, September, 1999.

Пример хорошего классификатора

Итерация 1 из 3

D2e1 = 0.300

a1=0.424

D2h2e2 = 0.196

a2=0.704

e3 = 0.344

a2=0.323

O СТОП

Конечная гипотеза

0.42 + 0.70 + 0.32

)](72.0)(70.0)(42.0[ 321 xhxhxhsignH final

Инициализируем D1(i) = 1/m Ошибка htрассчитывается с учётом Dt

])([Pr ~ iikDik yxhk

1. Обучим hk с минимальной ошибкой

2. Рассчитаем вес гипотезы

kk yxhe

)(if)(if)()(1

3. Для всех i = 1 to m

kkk xhxH

1)(sign)(

Результат:

Вес Adaптируется. Чем больше ek тем меньшеak

Zt нормализующий коэф.

AdaBoost (Discreet)

Увеличиваем вес примера, если на нём алгоритм ошибается

Линейная комбинация

Пусть T: (x1, y1), …, (xm, ym) где }1,1{, ii yXx

Для Kk ,1

Пусть есть набор {h} – слабых классификаторов

AdaBoost (пороги)

Эмпирический риск• Как показали Freund и Schapire

• Эмпирический риск падает по экспоненте –высокая скорость обучения

emp kk

Бустинг• Плюсы

+ Универсальность

+ Высокая скорость сходимости

+ Высокая обобщающая способность

+ Возможность очень эффективной программной реализации и распараллеливания

+ Простота метода и отсутствия параметров

• Минусы– Трудность определения

нужного числа итераций обучения (зачастую, ошибка на контроле продолжает падать и после нуля эмпирического риска)

• Определяем слабые классификаторы на основе прямоугольных признаков

• Для каждого этапа бустинга:• Вычисляем каждый прямоугольный признак на каждом

примере• Выбираем наилучший порог для каждого признака• Выбираем наилучший признак / порог• Перевзвешиваем выборку

• Вычислительная сложность обучения: O(MNK)• M этапов, N примеров, K признаков

Бустинг для поиска лиц

Слабые классификаторы

• Определяем слабые классификаторы на основе прямоугольных признаков

)( if 1)( tt

окно

Значение признака

порог

Бустинг для поиска лиц• Первые два признака, выбранные бустингом:

Эта комбинация признаков дает 100% detection rate и 50% false positive rate

Бустинг для поиска лиц• Классификатор из 200 признаков дает 95% точность и

долю ложноположительных срабатываний 1 из 14084

Недостаточно хорошо!

ROC-кривая

Каскад (Attentional cascade)

• Начинаем с простых классификаторов, которые отбрасывают часть отрицательных окон, при этом принимая почти все положительные окна

• Положительный отклик первого классификатора запускает вычисление второго, более сложного, классификатора, и т.д.

• Отрицательный отклик на любом этапе приводит к немедленной отбраковке окна

FACEIMAGESUB-WINDOW Classifier 1

TClassifier 3

NON-FACE

TClassifier 2

NON-FACE

Каскад

• Медленные классификаторы применяются только к некоторым окнам ⇒ существенное ускорение

• Управляем сложностью/скоростью классификатора:• Количество опорных векторов [Romdhani et al, 2001]• Количество признаков [Viola & Jones, 2001]• Видом ядра SVM [Vedaldi et al, 2009]

Каскад• Цепочка классификаторов с

каждым уровнем становится более сложной, ошибка второго рода постоянно снижается

vs false neg determined by

% False Pos

TClassifier 3

NON-FACE

TClassifier 2

NON-FACE

Receiver operating characteristic

Каскад• Уровень обнаружения и доля ложноположительных

срабатываний каскада можно оценить как произведение соответствующих уровней ошибок каждого этапа

• Уровень обнаружения 0.9 и доля ложноположительных срабатываний порядка 10-6

достигается с помощью каскада из 10 этапов, если на каждом этапе уровень обнаружения примерно равен 0.99 (0.9910 ≈ 0.9) и доля ложноположительных примерно 0.30 (0.310 ≈ 6×10-6)

TClassifier 3

NON-FACE

TClassifier 2

NON-FACE

Обучение каскада• Задаем требуемые значения уровня обнаружения и

доли ложноположительных срабатываний для каждого этапа

• Добавляем признаки до тех пор, пока параметры текущего этапа не достигнут заданного уровня• Приходится понижать порог AdaBoost для максимизации

обнаружения (в противоположенность минимизации общей ошибки классификации)

• Тестирование на отдельном наборе (validation set)• Если общий уровень ложноположительных

срабатываний недостаточно низок, добавляем очередной этап

• Ложные обнаружения на текущем этапе используются как отрицательные примеры на следующем этапе

Тренировочная выборка

• 5000 лиц• Все фронтальные,

уменьшенные до24x24 пикселов

• Все нормированы

• 300М отрицательных примеров• 9500 изображений без лиц

• Большая изменчивость• Разные люди• Освещение• Поза лица

Производительность системы• Обучение: “недели” на 466 MHz Sun рабочей

станции• 38 этапов, всего 6061 признаков• В среднем 10 признаков оцениваются для каждого

окна на тестовой выборке• “На 700 Mhz Pentium III, детектор лиц

обрабатывает одно изображение 384x288 пикселов за 0.067 секунды” • 15 Hz• В 15 раз быстрее сравнимого по точности

предшествующего метода (Rowley et al., 1998)

Пример работы

Поиск профилей

Признаки для поиска профилей

Резюме: детектор Violo-Jones

• Прямоугольные признаки как слабые классификаторы

• Интегральные изображения для быстрого вычисления признаков

• Бустинг для выбора признаков• Каскад классификаторов для быстрого

выбраковки отрицательных окон

Pascal VOC

• PASCAL Visual Object Classes (VOC) Dataset and Challenge

• 20 классов: • aeroplane, bicycle, boat, bottle, bus, car, cat, chair, cow,

dining table, dog, horse, motorbike, person, potted plant, sheep, train, TV

• Реальные изображения из flickr, не фильтровались по качеству

Object Detection with Discriminatively Trained Part Based Models

Pedro F. Felzenszwalb, David Mcallester, Deva Ramanan, Ross Girshick

PAMI 2010

Подход

• Деформируемая модель из нескольких компонент• Для каждого ракурса обучим свою модуль• Каждая модель состоит из общего шаблона и нескольких

шаблонов отдельных частей• Обучение только по рамкам

Pedro F. Felzenszwalb et. Al. Object Detection with Discriminatively Trained Part Based Models, PAMI 2010

Модель

Корневой фильтрНизкое разрешение

Фильтр части2х разрешение

Модель деформации

Счета (Score) за локальные шаблоны частей

Модель деформации «пружинки»

Качество линейно по локальным шаблонам wi и параметрам пружинок wij

x = image zi = (xi,yi)z = {z1,z2...}

Source: Deva Ramanan

score(x,z) = S wi f(x, zi) + S wij Y(zi, zj) i i,j

score(x,z) = w . F(x, z)

Функция качества

HOG-фильтр

• Поиск: скользящее окно по положению и масштабу• Фичи: HOG-фильтр• Классификатор: линейный SVM

Фильтр

Гипотезы• Каждая часть – HOG-фильтр• Базовое положение

«Качество» это сумма качеств частей минус пенальти за деформацию

Обнаружение человека

Резюме лекции

• Скользящее окно – один из основных способов сведения задачи выделения объектов к задаче категоризации изображений

• Нужно уделить большое внимание построению хорошей выборки для обучения (jittering, bootstrapping)

• Каскад классификаторов – хороший способ повышения точности и скорости работы

• Методы и схемы:• HOG + SVM• Viola-Jones• HOG + SVM + компоненты

20120414 videorecognition konushin_lecture03

Education

vårdprogram för barn med itp 20120414.pdf

20120413 videorecognition konushin_lecture01

mms ご利用設定...

tw 20120414

alumni unpad gelarpemilu -...

20120414 videorecognition konushin_lecture04

revista de derecho de la pontificia...

20120414 bfst 2010 rev02 - daec home · 34 01.07.2010 35...

pttl tbc 20120414

20120415 videorecognition konushin_lecture06

20120414 interview met @nijmeegsebus voor nijmeegse...

20120413 videorecognition konushin_lecture02

20120414 第2回マンキュー経済学勉強会essentinal

20120414 傳福音邀請與跟進now & 發傳單

20120414 東京校事前説明会資料配布