同class-不同class的match數量

X軸 : 某一class中的圖片編號
Y軸 : match的key points 數量

CS/EE2/BL using color sift

Color sift

Reference: G. J. Burghouts and J. M. Geusebroek. Performance evaluation of local colour invariants. Comput. Vision ImageUnderstanding, vol. 113, pp. 48-62, 2009

SIFT Feature Testing

新體育館
管理學院
鹿鳴雅舍

普通大樓

總圖(from舟山路)

Landscape(sample圖)

由於在我們的project中

辨識出特定建築物是個關鍵

所以需要找出local feature

而我們嘗試使用SIFT演算法

以上是用Lowe的source code所測試出來的結果

結果中發現如果只是尺度大小的改變

SIFT依然可以從兩張圖的key point中發現很多相似點

但是當拍攝角度差異太大時

則相似的key point數量則會銳減

所以可能還要搭配其他的feature輔助效果才會更好

(另外可能解析度也是有差...@@")

Database

將於台大各景點拍攝database，利用這些images來做為training data，可能需要針對同個地點做不同方式的拍攝，如旋轉、遠近‧‧‧等方式，從中找出最能代表該地點之feature。
希望能夠建出對視角、時間點(不同照明、不同氣候)、其他照片中的物體等常見狀況都能夠有一定程度的robustness的model。

Input Output Description

Input:

使用者上傳圖片(如下圖) 以此圖片作為query














或是圈選想搜尋的景點
可藉此增加搜尋準確度和節省搜尋時間
















Output:

蒐尋結果會取前三名最符合搜尋條件的景點
將資料庫中的照片列出 如下圖

並顯示台大地圖 標上目前位置(以三種不同顏色標示)
和此景點的文字敘述

(地圖用上面的部分地圖顯示)

另外使用 "接下來能去哪?" 的功能
讓使用者瀏覽目前位置附近的景點照片

點選圖片後會顯示地圖位置及文字敘述

difficulties

1. 台大的建築物都有一定程度的相似性 ， 到時候在feature 的選取上需要特別注意， 看是否能夠克服這一點 ， 目前覺得也許可以嘗試的有key point extraction method ， 如SIFT/SURF，也許都可以試試看。 2. 要建立足夠的database，並且要夠distinctive，凸顯當地的特色。 3.再來就是跟那個地點相關的其他資訊，如好吃的好玩的部分，要用什麼型態的呈現方式。 4. GUI yipaul