Επιτομή:
Στόχος της παρούσας διπλωματικής εργασίας, είναι η συγκριτική μελέτη, σχεδίαση
αλλά και ανάπτυξη τεχνικών για την αποδοτικότερη αναγνώριση ύπαρξης ή μη αντικειμένων,
την αναγνώριση της χωρικής τοποθέτησης σε περιπτώσεις πολλαπλής αναγνώρισης, όπως
επίσης και η επίλυση προβλημάτων τοποθέτησης αντικειμένων από μια σταθερή θέση
ταυτοποίησης προς μια άλλη, με ίδια χαρακτηριστικά του αντικειμένου. Χρησιμοποιούμαι δυο
από τις πιο σύγχρονες μεθόδους για την επίτευξη αυτών των στόχων. Αυτή του TensorFlow
framework και της βιβλιοθήκης του OpenCV. Στα πλαίσια της αποδοτικότερης μελέτης της
εργασίας, θα δημιουργήσουμε ένα custom demo που θα περιλαμβάνει παραμέτρους όπως, τρία
είδη γεωμετρικών σχημάτων, συγκεκριμένους χρωματισμούς για τα τρία είδη σχημάτων,
τυχαία τοποθέτηση των σχημάτων στο καρτεσιανό επίπεδο αλλά και κάμερα λήψης εικόνας
υπό αμετάβλητη γωνία. Έτσι με γνώμονα το κοινό μοτίβο εργασίας, επιτυγχάνεται μια
ενδελεχή και αντικειμενική σύγκριση των αποδόσεων των δύο μεθοδολογιών στο κομμάτι της
αναγνώρισης αντικειμένων σε πραγματικό χρόνο.
Το συγκεκριμένο θέμα είναι μεγάλου τεχνολογικού ενδιαφέροντος, καθώς η μηχανική
όραση έχει καταφέρει να αφομοιωθεί από ολοένα και περισσότερους επιστημονικούς τομείς,
καθιστώντας την πλέον κάτι παραπάνω από απαραίτητη, στην προς το κοινό όφελος αλματώδη
εξέλιξή τους, αλλά και με πολλές δυνατότητες ιδιαίτερα σημαντικών επεκτάσεων. Κατά την
ανάπτυξη της συγκεκριμένης εργασίας, έχει εφαρμοστεί τόσο αλγοριθμική προσέγγιση μέσω
της βιβλιοθήκης του OpenCV και της αντικειμενοστρέφειας της Python γλώσσας
προγραμματισμού, όσο και η εξαρχής δημιουργία δικού μας μοντέλου αναγνώρισης
αντικειμένων μέσω του framework του TensorFlow, αξιοποιώντας έτσι στο μέγιστο τις
δυνατότητες των δύο εργαλείων και προσφέροντας αποτελέσματα σε πραγματικό χρόνο με
εξαιρετική ακρίβεια, μέσω του custom demo.
Εν τέλει θα γίνει μία εις βάθος ανάλυση της απόδοσης των δύο προσεγγίσεων,
παραθέτοντας έτσι, τόσο τα θετικά τους χαρακτηριστικά, όσο και τα μελανά τους σημεία σε
πολλαπλά σενάρια πέραν του κυρίως demo, προσπαθώντας με αυτό τον τρόπο να καλύψουμε
ένα ευρύ φάσμα παραγόντων όπου μπορούν να επηρεάσουν την απόδοση και το γενικότερο
αποτέλεσμα.
