Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Co-segmentation methods for wildlife-photo identification

Popova, Anastasia (2017)

Katso/Avaa
thesis_popova.pdf (8.354Mb)
Lataukset: 


Diplomityö

Popova, Anastasia
2017

Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
http://urn.fi/URN:NBN:fi-fe201705236784

Tiivistelmä

Co-segmentation is defined as the task of jointly segmenting shared objects in a given set of images. This work is concentrated on the case when the segmented object is an animal, which means that the segmentation might require additional information about animal biometrics. The aim of this thesis was to survey the existing segmentation and co-segmentation methods with respect to the task of wildlife photo-identification, to overview existing datasets for co-segmentation and to evaluate and compare existing co-segmentation algorithms. In this study four co-segmentation algorithms were compared: Discriminative clustering, Multiple foreground co-segmentation, Multiple random walkers, and Distributed co-segmentation via submodular optimization. The comparison was performed using various datasets with wildlife animals. In most cases the Multiple random walkers method showed the best results.
Kokoelmat
  • Diplomityöt ja Pro gradu -tutkielmat [9988]
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Lähetä palautetta | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetKoulutusohjelmaAvainsanatSyöttöajatYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Lähetä palautetta | Tietosuoja | Saavutettavuusseloste