Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.

Catadioptric stereo based on structured light projection

La percepció per visió es millorada quan es pot gaudir d'un camp de visió ampli. Aquesta tesi es concentra en la percepció visual de la profunditat amb l'ajuda de càmeres omnidireccionals. La percepció 3D s'obté generalment en la visió per computadora utilitzant configuracions estèreo amb el desavantatge del cost computacional elevat a l'hora de buscar els elements visuals comuns entre les imatges. La solució que ofereix aquesta tesi és l'ús de la llum estructurada per resoldre el problema de relacionar les correspondències. S'ha realitzat un estudi sobre els sistemes de visió omnidireccional. S'han avaluat vàries configuracions estèreo i s'ha escollit la millor. Els paràmetres del model són difícils de mesurar directament i, en conseqüència, s'ha desenvolupat una sèrie de mètodes de calibració. Els resultats obtinguts són prometedors i demostren que el sensor pot ésser utilitzat en aplicacions per a la percepció de la profunditat com serien el modelatge de l'escena, la inspecció de canonades, navegació de robots, etc.

The discrimination of auditory and visual number

This study compares the discrimination of successive visual number and successive auditory number using the same stimulus durations and presentation rates for both stimuli. The accuracy of the discrimination of successive number decreased as the presentation rate increased and the number in a series increased.

Estimated Number of Birds Killed by House Cats (Felis catus) in Canada

Predation by house cats (Felis catus) is one of the largest human-related sources of mortality for wild birds in the United States and elsewhere, and has been implicated in extinctions and population declines of several species. However, relatively little is known about this topic in Canada. The objectives of this study were to provide plausible estimates for the number of birds killed by house cats in Canada, identify information that would help improve those estimates, and identify species potentially vulnerable to population impacts. In total, cats are estimated to kill between 100 and 350 million birds per year in Canada (> 95% of estimates were in this range), with the majority likely to be killed by feral cats. This range of estimates is based on surveys indicating that Canadians own about 8.5 million pet cats, a rough approximation of 1.4 to 4.2 million feral cats, and literature values of predation rates from studies conducted elsewhere. Reliability of the total kill estimate would be improved most by better knowledge of feral cat numbers and diet in Canada, though any data on birds killed by cats in Canada would be helpful. These estimates suggest that 2-7% of birds in southern Canada are killed by cats per year. Even at the low end, predation by house cats is probably the largest human-related source of bird mortality in Canada. Many species of birds are potentially vulnerable to at least local population impacts in southern Canada, by virtue of nesting or feeding on or near ground level, and habitat choices that bring them into contact with human-dominated landscapes where cats are abundant. Because cat predation is likely to remain a primary source of bird mortality in Canada for some time, this issue needs more scientific attention in Canada.