Optimaalisempia paikallisia binäärikuvioita tekstuurien ja kasvokuvien piirteenirrotukseen

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

Linnanmaa, Keckmaninsali (HU 106)

Väitöksen aihe

Optimaalisempia paikallisia binäärikuvioita tekstuurien ja kasvokuvien piirteenirrotukseen

Väittelijä

Diplomi-insinööri Juha Ylioinas

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Konenäön ja signaalianalyysin tutkimuskeskus

Oppiaine

Tietotekniikka

Vastaväittäjä

Professori Erkki Oja, Aalto-yliopisto

Toinen vastaväittäjä

Professori Jussi Parkkinen, Itä-Suomen yliopisto

Kustos

Professori Matti Pietikäinen, Oulun yliopisto

Lisää tapahtuma kalenteriin

Uusia oppimiseen perustuvia LBP-johdannaisia tekstuurien ja kasvokuvien piirteenirrotukseen

Väitöstyössä on kehitetty tekstuuripohjaisia menetelmiä kuville suoritettavaan piirteenirrotukseen. Kehitettyjä menetelmiä sovellettiin sellaisiin tietokonenäön ongelmiin, kuten tekstuurien luokittelu ja kasvojentunnistus. Työ on jatkumoa Oulun yliopiston konenäön tutkimuskeskuksessa 2000-luvun taitteessa syntyneelle ”Local Binary Patterns, LBP” -piirteenirrotusmenetelmän tutkimukselle.

Väitöstyössä esitellään eri tapoja parantaa LBP-menetelmän erottelukykyä piirteenlaskennassa. Työssä esitellään kaksi yleistävää mallia, joiden avulla LBP-menetelmän eri askelia voidaan ymmärtää paremmin.

Väitöstyön tulokset osoittavat, että LBP-menetelmän suorituskykyä on mahdollista parantaa tutkituissa sovelluksissa koneoppimisen ja tilastotieteen eri tekniikoita hyödyntäen. Kyseinen havainto on linjassa tietokonenäön tutkimuskentällä esiteltyjen muiden tutkimustulosten rinnalla. Näiden tutkimustulosten mukaan erottelukykyisimmät piirteenirrotusmenetelmät perustuvat automaattiseen oppimiseen sovelluksesta saatavilla olevasta tiedosta.
Viimeksi päivitetty: 14.11.2016