Result & Discussion

Discussion

分析Input image和Output model的差異:

1.物體model擺放位置落差 由於我們在計算物體擺放位置時，會依賴該物體的bounding box的大小，因此若此bounding box框的範圍跟物體本身有落差，就會造成計算上的誤差，影響最後擺放位置。

2.房間牆角的計算誤差 牆角在標記時有可能受到光線、occlusion和環境中的noise干擾，干擾程度越大標記誤差就越大。

3.結果品質不穩定 我們的測試過程中發現，有的image在Object Detection上很成功，但於牆角標記上誤差很大，而有的則是牆角標記很準確，但物體的辨識結果很糟，品質參差不齊。

可改善方向： 將input image改成用影片拍攝的方式，從大量的frame中去篩選出物體辨識狀況佳且牆角標記精準的frame，才可確保成果的品質。