Detekcija logoa sa slike i određivanje njegovog brenda (Flickr-27)

[vladaindjic]

Članovi tima

• SW 1/2014, Žarko Drageljević
• SW 56/2014, Milan Desančić
• SW 4/2014, Vladimir Inđić

Definicija problema

Prepoznavanje brenda čiji je logo prikazan na slici.

Motivacija

Koliko puta nam se desilo da vidimo prodavnicu, piće, hranu ili komad odeće, a da ne znamo koji je brend u pitanju. Zar ne bi bilo korisno ukoliko bismo samo mogli da slikamo predmet i na osnovu logoa prepoznamo pripadajući brend.

Konceptualno rešenje

Neophodno je pripremiti obiman skup podataka koji u sebi sadrži slike na kojima su prikazani logoi brendova, kao i slike koje nemaju nijedan logo. Sa slika prethodno pomenutog skupa podataka primenom HOG transformacije izdvajamo deskriptor koji koristimo kao ulaz u klasifikator. Izlaz klasifikatora predstavljaće brend loga sa slike ili će se ustanoviti da na slici nema logoa.

Implementacija rešenja (repozitorijum)

Priprema skupa podataka

U projektnom rešenju biće korišćen Flickr Logos 27 dataset. U njemu se nalazi slike sledećih 27 brendova:

• Adidas
• Apple
• BMW,
• Citroen,
• Coca Cola,
• DHL
• FedEx
• Ferrari
• Ford
• Google
• Heineken
• HP
• Intel
• McDonalds
• Mini
• Nbc
• Nike
• Pepsi
• Porsche
• Puma
• Red Bull
• Sprite
• Starbucks
• Texaco
• Unicef
• Vodafone
• Yahoo Takođe se nalazi i određeni broj slika na kojima nije prikazan nijedan logo. S obzirom na to da je skup podataka relativno mali za obučavanje klasifikatora, potrebno je izvršiti augmentaciju slika (rotiranje, isecanje, dodavanje šuma, blur, ...) iz skupa, kako bi se skup podataka proširio. Skup podataka se deli na skup podataka za treniranje (80% ukupnog skupa podataka) i skup podataka za testiranje (20%).

HOG transformacija

Potrebno je implementirati HOG transformaciju i primeniti je na svaku od slika skupa za treniranje, kako bismo izdvojili njen HOG deskriptor.

Treniranje klasifikatora

Kao klasifikator koristićemo veštkačku neuronsku mrežu. Njen ulaz predstavlja prethodno određeni HOG deskriptor slike iz trening skupa podataka. Izlaz je predikcija brenda čiji je logo prikazan na slici ili konstatacija da logoa nema.

Evaluacija dobijenog rešenja

Na slikama iz skupa za testiranje primenjujemo sledeći postupak:

• primena HOG transformacije i određivanje deskriptora slike
• dovođenje deskriptora na ulaz neuronske mreže
• predikcija klase kojoj logo pripada
• poređenje sa stvarnom vrednošću. Očekuje se uspešnost od preko 90%.

Primena projektnog rešenja

Na slikama sa društvenih mreža (npr. Instagram, Facebook, Flickr, ...) pokušaćemo da odredimo regione na kojima se nalazi logo i da odredimo njegov brend. Regione ćemo odrediti tako što ćemo primeniti metodu šetajućeg prozora kao pretproces za HOG transofmaciju.

Asistent:

• @vdragan1993 Dragan Vidaković

Napomena:

Deklinacija reči logo

[vdragan1993]

Napisano i više nego što je bilo potrebno. Tema odobrena. Ostavite link ka GitHub repozitorijumu projekta. Srećan rad.