第42回 MPS ミーティング資料。Python で画像処理をやってみよう！第11回 - SIFT Vol.1 キーポイント候補 -

1. MPS 第42回 (20160123) ミーティング
Python で画像処理をやってみよう！
- SIFT Vol. 1 キーポイント候補-
金子純也
Morning Project Samurai 代表
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

2. 目次
• Morning Project Samurai
• MPS HP について
• これまでの復習と直近の目標
• Keypoint 候補の抽出法とその実装
• 発表
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

3. Morning Project Samurai (MPS)
• Morning
- 土曜の朝を有意義に
• Project
- プロジェクト指向
• Samurai
- 謙虚に学習
- プロジェクトをバッサバッサ
と斬りまくる
プロジェクト
リーダー
シップ
メンバー
シップ
成果
人脈
UP!
UP!
UP!
キャリア
知識・技術
UP!
UP!
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

4. Be Active, Be Creative!!
MPS
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

5. 目次
• Morning Project Samurai
• MPS HP について
• これまでの復習と直近の目標
• Keypoint 候補の抽出法とその実装
• 発表
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

6. 目次
• Morning Project Samurai
• MPS HP について
• これまでの復習と直近の目標
• Keypoint 候補の抽出法とその実装
• 発表
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

7. テンプレートマッチング
スケールや回転に弱い！
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

8. Scale-space と DoG
- - -
色々なスケールの画像を用意しておけばいいじゃない
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

9. 第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

10. 我々の次の目標だケロ！
Keypoint : DoG を適用した Scale-space 中の特徴点
Descriptor: Keypoint に関する情報
Keypoint と descriptor
出典 [1]
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

11. Descriptor を用いた物体検知
1. 認識したい物体の Descriptor を学習 (集める)
2. 処理対象の画像から Descriptor を抽出
3. 学習した Descriptor と 処理対象の Descriptor
を比較
4. 閾値以上マッチングした物体があった場合、
それが存在すると認識
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

12. 目次
• Morning Project Samurai
• MPS HP について
• これまでの復習と直近の目標
• Keypoint 候補の抽出法とその実装
• 発表
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

13. 流れ
• キーポイント候補の発見
• キーポイント候補の位置精度向上
• 低コントラストのキーポイント候補の削除
• エッジ上のキーポイント候補の削除
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

14. 流れ
• キーポイント候補の発見
• キーポイント候補の位置精度向上
• 低コントラストのキーポイント候補の削除
• エッジ上のキーポイント候補の削除
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

15. キーポイント候補点の例
(出典: http://ja.characters.wikia.com/)
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

16. キーポイント候補の発見
出典 [1]
• x: テスト対象の画素
• o: テスト対象の周辺画素
• キーポイント候補の条件
- テスト対象の画素が
最小または最大
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

17. 作ってみよう！ (準備編)
• だれかとペアを組む
• http://bit.ly/mps20160123 を自分の GitHub アカウント
に Fork
• Fork したものを Clone もしくはダウンロード
• 上記で得たものの中に自分の名字でフォルダを作成
• そのフォルダの中に
1. img を作成し lena の画像を保存
2. dog.py, keypoint.py, scale_space.py をコピー
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

18. 作ってみよう！(GitHub 更新編)
1. git add --all
2. git commit -m “first commit”
3. git push -u origin master
4. 自分のリポジトリが更新されたか確認
してみよう！
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

19. 作ってみよう！ (実装&発表編)
• keypoint.py の中の extract_keypoints 関数をペア
で完成させてみよう！
(extract_keypoints の引数や既存のクラスなど
何をいじっても OK)
• 工夫した点などを自分のフォルダにメモとして
まとめよう！
• Pull リクエストしてみよう！
• みんなの前で発表してみよう！第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko

20. 参考文献
1. David G. Lowe. 2004. Distinctive Image Features from Scale-
Invariant Keypoints. Int. J. Comput. Vision 60, 2 (November
2004), 91-110.
第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko