Суперпиксели

[Smorodov 579]

Взял класс отсюда и приделал к OpenCV.

http://ivrg.epfl.ch/supplementary_material/RK_SLICSuperpixels/index.html

Дальше хочу перевести его на opencv-шные функции, но для экспериментов и так годится.

(неплохо только бы еще порядок байтов при перегоне в ARGB перепроверить)

Документ с описанием:

SLIC_Superpixels_TR_2.pdf

Солюшн для 2010-й студии:

OpenCV_HW.rar

Результат работы программы:

Может работать и с видео (я пока не пробовал):

[mrgloom 242]

честно говоря не очень понял зачем он вообще нужен, вроде используется для предобработки перед основной сегментации и еще для деления на области перед выделением дескрипторов из малых областей.

выглядит это все так, что как будто взяли регулярную сетку и потом в каких то небольших пределах ячейки сошлись по цветам.

[Nuzhny 243]

Да для сегментации. Ещё эти суперпиксели можно подавать на вход классификатора. Что-то вроде выделения признаков.

[Smorodov 579]

Трекинг с использованием суперпикселей:

http://www.cs.umd.edu/~fyang/papers/iccv11.pdf

[mrgloom 242]

да ,кстати там регионы на выходе как задаются? как контуры? или вообще никак ,а просто отрисовываются?

[Smorodov 579]

Там изображение с метками регионов есть, по нему все что угодно можно дальше получить.

Как границы тут отрисовываются не помню.

[mrgloom 242]

попробовал работает, как извлекать контуры понял,но как парсить не придумал и вроде как в опенцв контур должен быть замкнутым?

еще нашел для гпу http://www.robots.ox.ac.uk/~carl/software.html

оригинал вроде отсюда

http://ivrg.epfl.ch/supplementary_material/RK_SLICSuperpixels/index.html

а еще есть тут

http://www.cs.sfu.ca/~mori/research/superpixels/

еще на гпу

http://www.xiliable.net/carlrenwp/?page_id=19

[Smorodov 579]

Так по значению выделяем пиксель (остальное убираем) и ищем контур, затем дргой и т.д. Получим контуры всех пикселей.

[mrgloom 242]

Так по значению выделяем пиксель (остальное убираем)

ну это получится наша сетка.

и ищем контур, затем дргой и т.д

если через обычный поиск контуров в опенцв, то найдет только общий связанный ,а нам надо как бы каждый сектор в отдельный контур.

хотя может быть он их найдет как дырки, но я не уверен работает ли с контурами толщиной в 1 пиксель.

[Smorodov 579]

Я имел ввиду вот что:

0) L=0;

1) Берем черное изображение, и переносим на него все пиксели со значением метки равным L;

2) Получаем черный экран и кусок изображения на нем;

3) Ищем контур, и запоминаем его в массиве контуров;

4) L++;

5) Идем на пункт 1), и так пока L<количества суперпикселей.

[Smorodov 579]

Мои эксперименты с диффузией дисперсии продолжаю дурачиться, пока отпуск.

VarianceDiffusion.cpp

[mrgloom 242]

а для чего используется?

хмм это похоже на сетку при регистрации изображений.

[Smorodov 579]

Это пока ни для чего не используется, пришла мысль - решил проверить.

[mrgloom 242]

Какие преимущества использовать суперпиксели для обучаемой сегментации?

 

есть вот например http://fiji.sc/Trainable_Weka_Segmentation и вроде как он работает просто с пикселями.

[Smorodov 579]

Вот еще запись вэбинара (по  deep learning на GPU) как раз с такими картинками:

 

http://on-demand.gputechconf.com/gtc/2014/webinar/gtc-express-deep-neural-networks-dan-ciresan.mp4

[Smorodov 579]

Из github: https://github.com/subokita/Sandbox

 

Опять таки пришлось поправить чуток.

 

 

Исходники:

 

SLICSuperpixelsAndSpectralCluster.zip

 

[BeS 53]

Вот моя колхозная имплементация SLIC суперпикселей.

По моему, качество этого алгоритма так себе:

1) Границы супер-пикселей часто получаются сильно ломанными.

2) На сильно текстурированных областях бывает так, что один суперпиксель вложен внутрь другого.

 

В плане применимости: суперпиксели полезны, например, при стереоматчинге, когда можно по сегментации на суперпиксели получить более консистентную disparity в низкотекстурированных областях, где традиционные методы, такие как SGM, обычно лажают.

 

slic.tar.gz

[Smorodov 579]

Вот тут еще есть матлабовский код для сегментации http://www.cs.unc.edu/~jtighe/Papers/ECCV10/index.html

Весьма неплохой результат получается судя по видео:

 

http://www.youtube.com/watch?v=UZ_NTYCFlHk#t=20

[BeS 53]

Вот тут еще есть матлабовский код для сегментации http://www.cs.unc.edu/~jtighe/Papers/ECCV10/index.html

Весьма неплохой результат получается судя по видео:

 

http://www.youtube.com/watch?v=UZ_NTYCFlHk#t=20

 

На этот алгоритм я давно уже слюни пускаю, все никак руки не дойдут заимплементить по нормальному и поиграться.