Krzysztof Krawiec


Home

Research:

edit SideBar

Strona przedmiotu

Laboratioria

Prowadzący: mgr inż. Bartosz Wieloch
e-mail: imię.nazwisko@cs.put.poznan.pl

Przybliżony harmonogram zajęć

Zajęcia laboratoryjne obejmują ćwiczenia (C1-C4) i realizację projektu (P).

TydzieńTematUwagi/weryfikacja postępu
1C1:Wczytywanie obrazów, przetwarzanie jednopunktowe
2C2:Proste GUIPrezentacja tematów projektów
3C3:Przetwarzanie lokalne i morfologiczne
4C4:Przechwytywanie i przetwarzanie strumienia wideoC:Ocena cząstkowa
5Wybór tematów projektów
6Konsultacje - A
7Konsultacje - B
8Punkt kontrolny - A
9Punkt kontrolny - BP:Ocena cząstkowa
10Konsultacje - A
11Konsultacje - B
12Konsultacje - A
13Konsultacje - B
14Prezentacje końcowe i zaliczenia
15Prezentacje końcowe i zaliczeniaP:Ocena cząstkowa z prezentacji projektu

Ocena końcowa jest wypadkową ocen cząstkowych.

Ćwiczenia

Uwaga!
Na koniec zajęć danego dnia proszę o wysłanie do mnie maila (jeszcze na zajęciach) na mój adres (imię.nazwisko@put.poznan.pl):

  • temat: PiRO
  • w treści:
    • imiona i nazwiska
    • krótko co zostało zrobione, wspomnieć jakie przetestowane metody działały gorzej a które lepiej
  • załącznik: kod źródłowy

Zadania:

  1. Spróbuj wyodrębnić z obrazka napis (czarny obraz z białymi literami). Obrazki wczytaj jako jednokanałowe (imread(sciezka, 0)):
  2. Spróbuj napisać program rozpoznający wybrany klucz na podstawie kształtu (nie trzeba analizować wewnętrznych "dziur").
    Przykładowy zestaw kluczy zawiera 12 obrazków oraz po 7 wersji automatycznie przetransformowanych (obróconych i przeskalowanych) - niestety w części z nich obiekt został "ucięty".
    Sposób realizacji dowolny - można przetestować kilka podejść.
    Przykładowe etapy przetwarzania:
    • Wyodrębnienie obiektu z obrazka. Wynik: czarny obraz z białym kluczem.
    • Znalezienie konturu obiektu.
    • Wyliczenie sygnatury obiektu.
    • Porównanie sygnatury wzorca z analizowanym obrazem.

Lista proponowanych tematów projektów

Uwagi wstępne:

  • Tematy należy traktować jako pewne możliwe kierunki a nie konkretną specyfikację zadania.
  • Artykuły i inne materiały o podobnej tematyce (np. z podanych linków) mają być inspiracją do samodzielnego opracowania metody przetwarzania obrazów.

Proponowane tematy/zagadnienia:

  1. Detekcja znaków drogowych: The German Traffic Sign Detection Benchmark
  2. Wykrywanie punktów charakterystycznych twarzy (lub innej klasy obiektów, np. samochodów), np. http://cmp.felk.cvut.cz/~uricamic/flandmark/
  3. Estymacja modelu 3D twarzy (głębi) ze zdjęć (zrobionych pod różnymi kątami; lub z pojedynczego zdjęcia).
  4. Estymacja modelu 3D np. budynku na podstawie zdjęć z różnych stron.
  5. Przetwarzanie obrazów medycznych z OCT (Optyczna tomografia koherencyjna).
  6. Biblioteka do przetwarzania obrazów 3D (z myślą o obrazach medycznych)
  7. Opracowanie metody śledzącej dowolny, wskazany obiekt w sekwencji wideo. Metoda powinna uczyć się (dostosowywać się do) możliwych wersji wyglądu w trakcie śledzenia. Przykład: TLD
  8. Wykrywanie i śledzenie wielu obiektów - przykładowy filmik

Inne projekty

Projekty realizowane w poprzednich edycjach przedmiotu

Pożądane cechy projektów:

  • możliwość zdefiniowania jasnych kryteriów oceny skuteczności (np. trafność rozpoznawania, dokładność lokalizacji),
  • projekt powinien zostać jednoznacznie przydzielony do jednej z dwóch kategorii: (1) implementacja [zamkniętego] systemu, (2) studium przypadku (realizacja obszernego eksperymentu obliczeniowego i opis wyników),
  • w przypadku stosowania metodologii uczenia maszynowego i problemu decyzyjnego, liczba klas decyzyjnych nie może być duża; na przykład, systemy uczące się z przykładów nie nadają się do identyfikacji.

Przykładowe artykuły z których można czerpać pomysły i rozwiązania

Narzędzia

Biblioteki przetwarzania i analizy obrazów

Środowiska i programy pomocnicze

  • WEKA (biblioteka uczenia maszynowego)
  • Irfan Viewer
  • Image Magick
  • Octave

Wybrane dostępne bazy danych obrazowych

Inne bazy danych:


Powered by PmWiki