Речь на защиту диплома «Технология поиска изображений по аннотации»: пример, образец, бесплатно, скачать

Представляем Вашему вниманию бесплатный образец доклада к диплому на тему «Технология поиска изображений по аннотации».

1 слайд

Добрый день! Тема моей выпускной квалификационной работы: «Технология поиска изображений по аннотации».

2 слайд

Актуальность выбранной темы в том, что прогресс в области изображений обозначил новые проблемы и вопросы, к числу таких проблем относится разработка новых эффективных методов работы с изображениями, одним из многообещающих направлений в сфере обработки изображений является выискивание инвариантов изображения. Их можно использовать в таких задачах как распознавание, отыскание снимков по образцу и многих других. Решение проблемы совпадения и соединения изображений содержится в установлении совпадений между двух и более точек. На основании поставленной проблемы была определенна цель дипломной работы.

3 слайд

Цель исследования — разработка эффективного метода работы с графической информацией.

Для решения цели, было решено решить следующие задачи:

1. Дать понятие поиска по аннотации, рассмотреть основные методы аннотирования;
2. Дать понятие поиска изображений;
3. Изучить методы поиска изображения по аннотации и реализовать один из них;
4. Изучить существующие алгоритмы поиска проективных инвариантов, выбрать наиболее удобный и применить его к найденным по текстовому запросу изображениям.

Объектом исследования являются проективные инварианты.

Предмет исследования в дипломе – это использование проективных инвариантов в технологии поиска изображений по аннотации.

В данной работе представлены результаты эксперимента для решения задачи поиска инвариантов изображений в аннотированной базе данных изображений.

4 слайд

Процесс сравнения двух изображений должен отвечать на вопрос о сходстве содержания изображения. Содержат ли сравниваемые изображения одни и те же объекты с точностью до изменения ракурса съемки и перемещения камеры и т.д Пусть нам известна трехмерная структура изображения, тогда опорой в нахождении изображений станут характерные черты объекта, которые будут неизменны от картинки к картинке, такие черты называются проективными инвариантами, что и является объектом нашего исследования. Пример характерных черт вы можете видеть на слайде.

5 слайд

Для поиска проективных инвариантов в работе были рассмотрены такие методы как:

• Сложное отношение;
• Вурф

Для решения поставленной проблемы, решено было реализовать частный случайного отношения – вурф.

6 слайд

Выбор основывался тем, что по формуле обрабатывается не один пиксель, а сразу три пикселя, как вы видите на слайде. Если брать этот метод, так как он описывается первоначально, то мы возьмем три случайных пикселя в одном изображении и такие же три пикселя во втором, если о формуле они совпадут, то изображения будут считаться идентичными. Основные проблемы метода в том, что изображения могут быть разного размера и при обработке цветов каждого пикселя могут быть свои проблемы (например, сравниваемое изображение будет бледнее чем исходное) и программа выведет нам, что сравниваемая графическая информация не является одинаковой. Так как пере нами стоит задача не просто сравнить изображения, но и вывести в процентах, на сколько картинки похожи друг на друга, нам придется проходить данным методом по каждым тем пикселям и сравнивать результат по формуле с другой картинкой.

ТОЛЬКО У НАС!

Доклад, презентация без предоплаты	Более 100 бесплатных примеров	Доработки бесплатно	Срок от 1 часа до 1 дня	Гарантия низкой цены

 

Хочу сделать заказ!

 

7 слайд

Каждый пиксель несёт в себе некую информацию, а конкретней это информация о цвете данного пикселя. Каждый цвет пикселя делиться на три части R, G и B (есть ещё конечно четвёртая часть, но её обычно в счёт не берут). Что бы взять информацию о пикселе то с начала нужно совместить значения этих трёх частей. После того как мы это делаем с первым пикселем, мы продолжаем это делать с вторым и третьим. После того как у нас есть уже значения всех трёх пикселей то мы уже можем воспользоваться формулой что бы сравнить результат с результатом другого изображения.

8 слайд

На слайде представлен сам код перебора трёх пикселей:

Красным шрифтом мы видим проход в цикле по всему изображению в длину и в ширину.

{/** Синим выделена функция Comparison мы передаём в нее параметры значения функций W1 и W2*

В свою очередь эти функции получают параметры по три пикселя двух изображений*/

if (cWWI.Comparison(cWWI.W1(Image1.GetPixel(i, u), Image1.GetPixel(i, u + 1), Image1.GetPixel(i, u + 2)), cWWI.W2(Image2.GetPixel(i, u), Image2.GetPixel(i, u + 1), Image2.GetPixel(i, u + 2)))) //Если возвращаемое значение true…

SimilarParts++; //Увеличиваем значение на 1

StreamImageComparison.ReportProgress(1); //Передаём параметр для отображения степени выполнения потока}

return SimilarParts * 100 / 1200; //Возвращает процентное значение схожести изображения}

8 слайд

Для решения задач, было создано специальное приложение – Compare Image. База данных была создана с помощью программного обеспечения Microsoft SQL Server 2014, связь и работа с базой, данной в программе реализуется при помощи интегрированной в среду разработки технологию ADO.NET. Алгоритмы программного обеспечения были реализованы при помощи языка программирования C#, в среде разработки Visual Studio 2013 Ultimate. Архитектура приложения и схемы базы данных с комментариями по установке и настройке приведены в приложениях диплома.

9, 10, 11 слайд

Внешний вид программы вы можете видеть на слайдах.

12 слайд

Для тестирования программы в базу данных было загружены изображения и проаннотированы одним ключевым словом. Рассмотрим два разных изображения, их вы видите на слайде, сравнив их через наше приложение мы увидим, что процент схожести у этих изображений равен 8%, из того мы можем сделать вывод что это различные изображения. Так же, если мы возьмем 2 совершенно одинаковых изображения приложение выводит что они совпадают на 100%. Пример сравнения вы можете видеть на сайде.

13 слайд

Современные разработки: Одним из современных и востребованных видов поиска мультимедийной информации является поиск похожих изображений.  На сегодняшний день такой поиск нашел свое применение в совместном исследовании компании Google и Университета Вашингтон. Они разработали алгоритм по склеиванию тысячи чужих фото из Интернета в таймлапсы, такая технология получила название time-lapse mining (“добыча таймлапсов”).

С помощью технологии по созданию таймлапсов из фотографий, опубликованных в сети, специалисты могут продемонстрировать замедленное изменение местности, которая чаще всего привлекает внимание объективов пользователей. Для дальнейшего развития технологии мы хотим предложить использовать проективные инварианты, используя в алгоритме фотографии, снятые не с одного ракурса, а с различных, мы получим более полный обзор рассматриваемого объекта за большой период времени, что существенно увеличит объем информации, получаемой пользователем.

14 Слайд

Входе решения проблемы, все поставленные нами цели были решены, был изучен новый материал по аннотированию баз данных, рассмотрены современные разработки и предложен вариант их дальнейшего развития, изучены методы сравнения анализа сцен, так же был реализован один из них, было разработано приложение «Compare Image», для сравнения изображений, в ходе тестирования приложения были собраны данные по соответствию изображений односложным текстовым запросам и степени их сравнения, выбранный метод при реализации показал хорошие результаты при различных наборах сравнения.

На основании проделанной работы можно сделать вывод, что предложенный в данной работе метод нахождения проективных инвариантов является достаточно эффективным и его можно использовать для решения различного типа задач, таких как распознавание изображений, отыскания снимком по образцу и многих других.

Спасибо за внимание!

 

Мне тоже нужен хороший доклад!