Ítem


Detecció de correspondències en imatges submarines

La detecció de correspondències en parelles d’imatges és un problema molt rellevant en el món de la visió per computador, donat que té aplicacions en la detecció de moviment, compressió de vídeo, reconstrucció 3D, etc. Tot i això, es tracta d’un problema difícil i els diferents mètodes no presenten resultats òptims en totes les situacions, malgrat que en els darrers anys han aparegut noves tècniques que ofereixen un rendiment cada vegada millor. La motivació d’aquest treball es basa en la creença de que deixant de seguir el paradigma que regeix a la majoria dels mètodes tradicionals -els més utilitzats a dia d’avui- i investigar si els nous mètodes i tècniques basats en altres tecnologies, com Xarxes Neuronals Profundes (Deep Learning), podrien ajudar a trobar millors solucions per aquest problema. A més, les tècniques tradicionals semblen haver-se estancat i els seus resultats, tot i ser satisfactoris, sembla que no tenen gaire marge de millora. En canvi, canviant el punt de mira cap a altres paradigmes com el que segueixen les tecnologies esmentades anteriorment (Xarxes Neuronals Convolucionals. CNN el seu acrònim en anglès), més enllà de validar si actualment ja es poden aconseguir resultats millors que els que ofereixen els mètodes tradicionals, també creiem que, al ser unes tecnologies que cada cop sumen més mirades i que cada vegada més persones estudien i hi treballen, amb el temps podrien arribar a millorar molt més i a permetre trobar solucions més eficients i robustes per al problema plantejat

Director: García Campos, Rafael
Autor: Isorna Domènech, Jan
Data: setembre 2020
Resum: La detecció de correspondències en parelles d’imatges és un problema molt rellevant en el món de la visió per computador, donat que té aplicacions en la detecció de moviment, compressió de vídeo, reconstrucció 3D, etc. Tot i això, es tracta d’un problema difícil i els diferents mètodes no presenten resultats òptims en totes les situacions, malgrat que en els darrers anys han aparegut noves tècniques que ofereixen un rendiment cada vegada millor. La motivació d’aquest treball es basa en la creença de que deixant de seguir el paradigma que regeix a la majoria dels mètodes tradicionals -els més utilitzats a dia d’avui- i investigar si els nous mètodes i tècniques basats en altres tecnologies, com Xarxes Neuronals Profundes (Deep Learning), podrien ajudar a trobar millors solucions per aquest problema. A més, les tècniques tradicionals semblen haver-se estancat i els seus resultats, tot i ser satisfactoris, sembla que no tenen gaire marge de millora. En canvi, canviant el punt de mira cap a altres paradigmes com el que segueixen les tecnologies esmentades anteriorment (Xarxes Neuronals Convolucionals. CNN el seu acrònim en anglès), més enllà de validar si actualment ja es poden aconseguir resultats millors que els que ofereixen els mètodes tradicionals, també creiem que, al ser unes tecnologies que cada cop sumen més mirades i que cada vegada més persones estudien i hi treballen, amb el temps podrien arribar a millorar molt més i a permetre trobar solucions més eficients i robustes per al problema plantejat
Format: application/pdf
application/zip
Accés al document: http://hdl.handle.net/10256/20940
Llenguatge: cat
Drets: Attribution-NonCommercial-NoDerivatives 4.0 International
URI Drets: http://creativecommons.org/licenses/by-nc-nd/4.0/
Matèria: Visió per ordinador
Reconeixement de formes (Informàtica)
Xarxes neuronals (Informàtica)
Computer vision
Pattern recognition systems
Neural networks (Computer science)
Títol: Detecció de correspondències en imatges submarines
Tipus: info:eu-repo/semantics/bachelorThesis
Repositori: DUGiDocs

Matèries

Autors