Comparison of Local Feature Detectors and Descriptors for Visual Object Categorization

Local features are used in many computer vision tasks including visual object categorization, content-based image retrieval and object recognition to mention a few. Local features are points, blobs or regions in images that are extracted using a local feature detector. To make use of extracted local features the localized interest points are described using a local feature descriptor. A descriptor histogram vector is a compact representation of an image and can be used for searching and matching images in databases. In this thesis the performance of local feature detectors and descriptors is evaluated for object class detection task. Features are extracted from image samples belonging to several object classes. Matching features are then searched using random image pairs of a same class. The goal of this thesis is to find out what are the best detector and descriptor methods for such task in terms of detector repeatability and descriptor matching rate.

Paikalliset asukkaat geologisten kohteiden suojelijoina ja hoitajina Mäntsälässä

Summary: Conservation and management of geological sites by local inhabitants in Mäntsälä southern Finland

Keraamisten laattojen luokittelu väripiirteiden avulla

Vaikka keraamisten laattojen valmistusprosessi onkin täysin automatisoitu, viimeinen vaihe eli laaduntarkistus ja luokittelu tehdään yleensä ihmisvoimin. Automaattinen laaduntarkastus laattojen valmistuksessa voidaan perustella taloudellisuus- ja turvallisuusnäkökohtien avulla. Tämän työn tarkoituksena on kuvata tutkimusprojektia keraamisten laattojen luokittelusta erilaisten väripiirteiden avulla. Oleellisena osana tutkittiin RGB- ja spektrikuvien välistä eroa. Työn teoreettinen osuus käy läpi aiemmin aiheesta tehdyn tutkimuksen sekä antaa taustatietoa konenäöstä, hahmontunnistuksesta, luokittelijoista sekä väriteoriasta. Käytännön osan aineistona oli 25 keraamista laattaa, jotka olivat viidestä eri luokasta. Luokittelussa käytettiin apuna k:n lähimmän naapurin (k-NN) luokittelijaa sekä itseorganisoituvaa karttaa (SOM). Saatuja tuloksia verrattiin myös ihmisten tekemään luokitteluun. Neuraalilaskenta huomattiin tärkeäksi työkaluksi spektrianalyysissä. SOM:n ja spektraalisten piirteiden avulla saadut tulokset olivat lupaavia ja ainoastaan kromatisoidut RGB-piirteet olivat luokittelussa parempia kuin nämä.

KOIVUVIILUN LAATULAJITTELUN KEHITTÄMINEN

Työssä on tutkittu Koskisen Oy:n vaneritehtaan 2. kuivauslinjalla toimivaa viilun laatulajittelujärjestelmää, jonka toiminnan tehostamiseksi haettiin uusia, vaihtoehtoisia ratkaisuja. Lajittelujärjestelmän toiminnan nopeuttamiseen ja toimivuuden kehittämiseksi haettiin ratkaisuja dimensio-, reuna- ja sisävikojen käsittelyyn. Linjan käyttöasteen kasvattamiseksi sen vikadiagnostiikkaan ja toi¬min¬nan seurantaan haettiin myös uusia menetelmiä. Kuvatun arkin reunatietojen avulla pystytään ottamaan huomioon käytönaikaisten asemointivirheiden aiheuttamat mittavirheet. Vika-alueiden harmaatasoarvoista kerättyä tietoa käytetään histogrammipiirteiden irrotuksessa oksien luokittelua parantamiseksi. Neuroluokittelijoiden käyttöönottoa luokittelijoina puoltavat niiden luokittelunopeus itse luokittelussa ja lähes k-NN-luokittimen tasoon yltävä luokittelutarkkuus. Neuroluokittelijoista tutkittiin monikerros-Perceptron- (MLP) ja oppiva vektorikvantisaatio- (LVQ) luokittelijat. Edellä mainittujen muutosten käyttöönoton avulla parantuneen viiluarkin onnistunut laadutus tuo kustannussäästöjä yritykselle sekä viiluarkkien paremman hyväksikäytön että viilun jatkokäsittelyssä säästyvän työmäärän avulla.

Mistä on kollektiivinen luovuus tehty? : tarkastelun kohteena ulkoasun visuaalinen suunnitteluprosessi Animatricks-animaatiofestivaalille

Opinnäytetyössä pyritään selvittämään, mistä kollektiivisen luovuus rakentuu. Työn tavoitteena on ollut rakentaa aihetta käsittelevän kirjallisuuden pohjalta optimaalisen kollektiivisen luovuuden teoria ja vertailla sen pohjalta parityönä tehdyn Animatricks-animaatiofestivaalin ulkoasun suunnitteluprosessia. Opinnäytetyössä luotu optimaalisen kollektiivisen luovuuden teoria koostuu pääosin improvisaatioteatterin lainalaisuuksista ja yhdistelee niitä tieteen- ja taiteenalojen muihin luovuuden määritelmiin. Näistä huomioista kiteytetään kymmenen kohtainen kollektiivisen luovan toiminnan määritelmä. Analysoinnin tuloksena vuorovaikutus näyttäisi nousevan tärkeimmäksi tekijäksi kollektiivisessa luovassa toiminnassa. Ryhmässä on mahdollista esiintyä luovuutta myös ilman ainuttakaan esitetyistä kymmenestä kohdasta, mutta tällöin ryhmän jäsenten merkitys ei kasva osiensa summaa suuremmaksi. Animatricks-animaatiofestivaalin visuaalisen suunnitteluprosessin kokemuksen pohjalta näyttäisi, että keskeisimmät elementit kollektiivisen luovuuden onnistumisen kannalta ovat vuorovaikutus, ja siihen suoraan liittyvät pelot ja sosiaaliset naamiot sekä epäonnistumisen hyväksyminen. Toisaalta, jos nämä seikat ovat täysin kadoksissa, esimerkiksi optimaalinen määrä aikaa tai pakotteiden ja palkintojen puuttuminen tuskin parantaisivat lopputulosta. Tämän päivän ryhmätyökeskeisessä työelämässä ei hyvän vuorovaikutuksen merkitystä voida liikaa korostaa. Opinnäytetyö avaakin toivottavasti uusia ajatuksia monille työntekijöille.