Simultaneous detection and segmentation for generic objects

Abstract

This thesis deals with the simultaneous detection and segmentation for generic objects in images. The proposed approach is based on building a dictionary of patches, which defines the object and allows the extraction of the detection and segmentation features used to train the classifier. Moreover, we include in the boosting training the ability of crossing information between detection and segmentation with the aim that good detections may help to better segment and vice versa. We adapt also the detection proposal to deal with specific problems of object recognition in medical and astronomical images. This point stresses one of the objectives of this thesis; proposing a generic approach able to deal with objects of a very different nature

En aquesta tesi s'estudia la detecció i segmentació simultània d'objectes genèrics en imatges. La proposta està basada en un diccionari de parts de l'objecte que el defineixen i, alhora, ens permet extreure les característiques de detecció i segmentació per entrenar el classificador. A més, dins l'entrenament del classificador s'inclou la possibilitat de creuar informació entre la detecció i la segmentació, de tal manera que una bona detecció pugui ajudar a segmentar i viceversa. L'algorisme s'ha validat adaptant-lo al reconeixement d'objectes en imatge mèdica i imatge astronòmica. Aquest punt reforça el principal objectiu de la tesi: proposar un sistema genèric capaç de tractar amb objectes de qualsevol tipus de naturalesa