Lokalizace klíčových bodů pomocí neuronových sítí

Abstract

Tato bakalářská práce se zabývá lokalizací klíčových bodů a jejich následnou korespondencí pro odhad polohy objektu s využitím PnP metod pomocí neuronových sítí. Cílem práce je provést rešerši hlubokých neuronových sítí pro úlohu lokalizace klíčových bodů a následně implementovat zvolené přístupy. V rámci této práce jsou primárně zkoumány a implementovány modely odvozené z řady architektur sítí U-Net a modely s využitím transformeru STN, který zaručuje polohovou invarianci. Výsledky několika přístupů natrénovaných modelů jsou zhodnoceny a porovnány mezi sebou pomocí reálných a syntetických snímků.

This bachelor thesis focuses on the task of localizing keypoints and their subsequent correspondence for estimating object pose using PnP methods with neural networks. The aim of the thesis is to research deep neural networks for keypoint localization and to implement selected approaches. In this work, primarily the models from the U-Net family are researched and implemented. This includes models that utilize the STN (Spatial Transformer Network), ensuring spatial invariance. The results of several trained model approaches are evaluated and compared using both real and synthetic images.