Table of Contents
Η επίτευξη της ανακολουθίας φωτισμού εξασφαλίζει ότι αυτά τα συστήματα μπορούν να λειτουργούν αξιόπιστα σε διαφορετικά περιβάλλοντα και σενάρια φωτισμού. Έχουν αναπτυχθεί διάφορες μέθοδοι για την αντιμετώπιση αυτής της πρόκλησης, εστιάζοντας στην προεπεξεργασία, την εξαγωγή χαρακτηριστικών και τις τεχνικές κατάρτισης μοντέλων.
Προεπεξεργασία εικόνων
Οι μέθοδοι προεπεξεργασίας στοχεύουν στην ομαλοποίηση των διακυμάνσεων του φωτισμού πριν την εξαγωγή χαρακτηριστικών. Η εξισοποίηση του ιστορικού ρυθμίζει την αντίθεση των εικόνων για τη μείωση των διαφορών φωτισμού. Η διόρθωση γάμμα τροποποιεί τη φωτεινότητα της εικόνας για την τυποποίηση των επιπέδων φωτεινότητας. Επιπλέον, αλγόριθμοι σταθερότητας χρώματος προσπαθούν να αφαιρέσουν τις μεροληπτικές χρωματικές ιδιότητες που προκαλούνται από διαφορετικές πηγές φωτισμού.
Μέθοδοι εξαγωγής χαρακτηριστικών
Τεχνικές όπως το τοπικό δυαδικό Μοτίβο (LBP) επικεντρώνονται στην υφή και όχι στην ένταση, καθιστώντας τα πιο αμετάβλητα στον φωτισμό.
Υποδείγματα στρατηγικών κατάρτισης
Η αύξηση των δεδομένων περιλαμβάνει τη δημιουργία συνθετικών παραλλαγών των εικόνων κατάρτισης κάτω από διαφορετικά σενάρια φωτισμού. Χρησιμοποιώντας αμετάβλητες αναπαραστάσεις χαρακτηριστικών μέσα σε μοντέλα μάθησης μηχανών, όπως τα βαθιά νευρωνικά δίκτυα που εκπαιδεύονται σε ποικίλα σύνολα δεδομένων, μπορεί να ενισχύσει περαιτέρω την ευρωστία ενάντια στις αλλαγές φωτισμού.
Πρόσθετες τεχνικές
- Περιγραφείς φωτισμού-αναλλοίωτων: Χρήση εξειδικευμένων περιγραφέων που έχουν σχεδιαστεί για να είναι αναίσθητοι στον φωτισμό.
- Πολυφασματική απεικόνιση: Συλλαμβάνοντας εικόνες σε διαφορετικά φάσματα για να μετριάσει τα εφέ φωτισμού.
- Προσαρμοστικοί αλγόριθμοι: Συστήματα που ρυθμίζονται δυναμικά στις μεταβαλλόμενες συνθήκες φωτισμού.