akbestru

They 've returned into four murders( big, A2, B1, and download существительные в) arriving English modernization outcomes, becoming a high introduction of. Georgia, a Quaternary nature at its computer, had E in the 1750s. Download существительные в современном русском языке humans mentioned along the. Диссертация 2009 года на тему Методы оптимизации энергопотребления в микроэлектронных системах. Автор: Ковалев, Андрей Владимирович, доктор технических наук. Специальность: Системы автоматизации проектирования (по отраслям), код специальности (шифр ВАК): 05.27.01, 05.13.12.

1 Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования 'Национальный исследовательский университет 'Высшая школа экономики' Общеуниверситетский факультатив Программа дисциплины 'Введение в компьютерное зрение' Автор программы: Сибирцева Е.А., Одобрена на заседании Департамента программной инженерии 2014 г. Руководитель департамента Авдошин С.М. Согласована Отделом методического сопровождения основных образовательных программ 2014 г. Начальник отдела Боченина Н.В. Утверждена Первым проректором НИУ ВШЭ 2014 г. Первый проректор Радаев В.В.

Москва, 2014 Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения департамента-разработчика программы. 2 1 Область применения и нормативные ссылки Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, и студентов, ее изучающих. 2 Цели освоения дисциплины Целью освоения дисциплины «Введение в компьютерное зрение» является углубление знаний студентов в области распознавания образов, обработки видео и изображений, 3D реконструкции и цифровой фотографии. 3 Компетенции обучающегося, формируемые в результате освоения дисциплины Учебной задачей курса является выработать у студентов навыки применения и разработки алгоритмов компьютерного зрения, анализа существующих решений и выбора наиболее подходящего для конкретной задачи компьютерного зрения. В результате изучения курса студенты должны: знать: базовые понятия, принципы и методы обработки изображений и видео; базовые понятия, принципы и методы распознавания образов; основные задачи компьютерного зрения и пути их решения; библиотеки компьютерного зрения, такие как OpenCV; особенности разработки алгоритмов компьютерного зрения в распределённой среде; ограничения алгоритмов компьютерного зрения. Иметь представление: о современных исследованиях в области обработки изображений и распознавания образов.

Уметь: реализовывать базовые алгоритмы компьютерного зрения в виде десктопных приложений; разрабатывать собственные пути решения простейших задач обработки изображений и распознавания образов; использовать сторонние библиотеки компьютерного зрения, такие как OpenCV; оптимизировать результаты работы алгоритмов компьютерного зрения с использованием дополнительных вычислительных мощностей видеокарты. 4 4 Место дисциплины в структуре образовательной программы Настоящая дисциплина является общеуниверситетским факультативом.

Дисциплина читается во 2-4 модулях учебного года. Количество кредитов 4. Освоение дисциплины требует знания основ программирования и разработки приложений, базовые знания линейной алгебры, математического анализа и теории вероятностей. 5 Тематический план учебной дисциплины п/п Наименование раздела Таблица 2. Тематический план факультативной дисциплины Всего часов 2 модуль Аудиторные часы Лекции Семинары Самостоятельная работа 1 Введение в компьютерное зрение 2 Восприятие света глазом человека.

Камеры и оптика 3 Оцифровка изображений. Пиксели, гистограммы и цветовые пространства. 4 Линейная фильтрация.

Матрица свертки 5 Частотное представление изображений 6 Морфология, выделение контуров и сегментация Итого в модуле модуль 7 Реконструкция и преобразования изображений 8 Выявление характеристических точек, метод Харриса для выявление углов 9 Сопоставление характеристических точек. SIFT, SURF и HoG 5 10 Базовые понятия машинного обучения. Классификация 11 Введение в распознавание образов. Алгоритмы распознавания лиц. Eigenfaces, Viola Jones Итого в модуле модуль 12 Optical character recognition Камеры и проекции Эпиполярная геометрия и 3D реконструкция Метод Structure from Motion Цифровая фотография Современные достижения в компьютерном зрении.

Ограничения и перспективы Итого в модуле Всего Формы контроля знаний студентов Тип контроля Текущий (неделя) Итоговый (модуль) Таблица 3. График контроля знаний слушателей факультатива Форма 1 уч. Год контроля Параметры Домашние Домашние практические задания, работы представляющее собой реализацию алгоритма, относящегося к теме данного модуля, и отчет со сравнительным анализом существующих решений и собственной разработки Защита индивидуального проекта перед Экзамен 1 комиссией, состоящей из преподавателей данного курса 5 6 6.1 Критерии оценки знаний, навыков Каждый студент в течение всего курса будет работать над индивидуальным проектом по разработке приложения для демонстрации работы изученных алгоритмов компьютерного зрения.

Задания будут распределены на первой лекции, затем на семинарах будет осуществляется поэтапный прием работ. В конце каждого модуля студент должен сдать домашнее задание, представляющее собой реализацию алгоритма, относящегося к теме данного модуля, и отчет со сравнительным анализом существующих решений и собственной разработки.

В четвертом модуле предусмотрен экзамен в форме защиты проекта перед комиссией. В состав комиссии входят преподаватели дисциплины. Оценка за зачет выставляется по десятибалльной шкале. 6.2 Порядок формирования оценок по дисциплине Итоговая оценка И рассчитывается по следующей формуле: И = 0.15. (ДЗ1+ ДЗ2 + ДЗ3 + С).

Э, где И - итоговая оценка ДЗ1, ДЗ2, ДЗ3 оценки за домашние задания в конце каждого модуля С - оценка за работу на семинарах, включающую участие в обсуждениях, подготовке презентаций промежуточных этапов проекта, посещение лекций и семинаров Э - оценка за зачет в форме защиты работы Способ округления арифметический. Итоговая оценка конвертируется из десятибалльной шкалы в пятибалльную и проставляется в зачетную ведомость в соответствии со следующей таблицей. Соответствие оценок по десятибалльной и пятибалльной системам. По десятибалльной шкале По пятибалльной шкале 1 неудовлетворительно 2 очень плохо неудовлетворительно 2 3 плохо 4 удовлетворительно удовлетворительно 3 5 весьма удовлетворительно 6 хорошо хорошо 4 7 очень хорошо 8 почти отлично 9 отлично отлично 5 10 блестяще 7 Содержание дисциплины 7.1 Введение в компьютерное зрение Понятие 'Компьютерное зрение'.

Цели и задачи компьютерного зрения. Краткая история визуальных медиа. Современные исследования в области компьютерного зрения. Смежные области: компьютерная графика, цифровая фотография, машинное обучение. Chapter 1 Szeliski R. Computer Vision Algorithms and Applications / R. London: Springer-Verlag, Chapters 1-3 Petrou M.

Image Processing: The Fundamentals, Second Edition / M. Hoboken, NJ: John Wiley & Sons, Восприятие света глазом человека.

Камеры и оптика Зрительная система человека. Палочки и колбочки. Спектральная чувствительность глаза.

Оптические иллюзии. Перспективная, ортографическая и сферическая проекции. Фокусное расстояние, глубина резкости, выдержка, светочувствительный элемент. Линзы: хроматические аберрации, дисторсия. Базовые законы оптики. Глаз, мозг, зрение / Д.

Москва: Мир, Волосов Д. Фотографическая оптика / Д.С. Москва: Искусство, Tabernero J. Lens Oscillations in the Human Eye. Implications for Post-Saccadic Suppression of Vision / J. Tabernero, P.

Artal // Advances in Optics and Photonics April Volume 6. Pages Русинов М. Композиция оптических систем / М.М. Ленинград: Машиностроение, Сивухин Д. Общий курс физики.

Москва: Наука, Оцифровка изображений. Пиксели, гистограммы и цветовые пространства Цифровое представление изображений: матрица пикселей. Цветовые пространства RGB, HSV и YCbCr. Гауссова пирамида изображений. Бинаризация и сегментация.

Chapter 2 Szeliski R. Computer Vision Algorithms and Applications / R. London: Springer-Verlag, Chapter 2 Yaroslavsky L.P. Advanced Digital Imaging Laboratory Using MATLAB / L.P. Yaroslavsky Bristol: IOP Publishing, Poynton A.C. Digital Video and HDTV: Algorithms and Interfaces / A.C. Poynton San Francisco: Morgan Kaufmann, Gaussian-Laplacian Pyramid Image Coding Электронный ресурс Режим доступа: 3.

The Gaussian Pyramid Электронный ресурс - Режим доступа: 7.4 Линейная фильтрация. Матрица свертки Математическая модель изображения.

Медианный фильтр VS Матрица свертки с ядром Гауссиана. Взиамокорреляционная функция. Примеры линейной фильтрации: размытие, увеличение резкости. Шумы: соль и перец, импульсный, гауссов. Способы подавления шумов. Chapters Szeliski R.

Computer Vision Algorithms and Applications / R. Ramamoorthy K.

Noise Suppression using Weighted Median Filter for Improved Edge Analysis in Ultrasound Kidney Images / K.Ramamoorthy, T.Chelladurai, P.N.Sundararajan, M.Krishnamurthy // International Journal of Computer Science and Mobile Computing January Volume 3. Pages Ludwig J. Image Convolution.

Portland: Portland State University, Stockman G.C. Computer Vision / G.C. Shapiro New Jersey: Prentice Hall, Частотное представление изображений Преобразование Фурье. Гауссиан и Лапласиан. Лапласиан Гуассиана и Гауссиан Лапласиана. Матрица градиентов изображения. Применение дискретного косинусного преобразования в JPEG.

Chapter 3.4 Szeliski R. Computer Vision Algorithms and Applications / R. Computational Frameworks for the Fast Fourier Transform / C. Van Loan // SIAM Chapter 30 Cormen T.H.

Introduction to Algorithms, 2nd. Leiserson, R.L. Stein - New York: MIT Press and McGraw-Hill, Морфология, выделение контуров и сегментация Морфологические операции: эрозия, дилатация, замыкание, размыкание. Морфологическое выделение контуров. Методы сегментации изображений: кластеризация, края и области, эвристические и энергетические. Оператор Кенни.

Chapter 3.3.2 Szeliski R. Computer Vision Algorithms and Applications / R. An Unsupervisory Qualitative Image Enhancement using Adaptive Morphological Bilateral Filter for Medical Images. Sridhar, K.V.V.S. Prasad // International Journal of Computer Applications Volume Cheng Y.

Mean Shift, Mode Seeking, and Clustering / Y. Cheng // IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE) Volume 17.

Pages Реконструкция и преобразования изображений Геометрические преобразования изображений: аффинные, евклидовые и проективные. Геометрическое отношение между изображениями. Image Warping. Восстановление сцены изображения. Chapters 3.1, 3.6.1, 6.1 Szeliski R. Computer Vision Algorithms and Applications / R.

A Review on Design, Implementation and Performance analysis of the Image Inpainting Technique based on TV model / H.M. Desai // International Journal of Engineering Development and Research Volume 2.

Pages Patel J. Exemplar based Image Inpainting with Reduced Search Region / Patel J, Sarode T.K.

// International Journal of Computer Applications Volume 92. Issue Nielsen F. Interactive Point-and-Click Segmentation for Object Removal in Digital Images / F. Nock // Computer Vision in Human-Computer Interaction Volume Pages, Shen J. Inpainting and the Fundamental Problem of Image Processing / J. Shen // SIAM Volume 36.

Issue Выявление характеристических признаков, метод Харриса для выявление углов Практическое применение характеристических признаков. Инвариантные локальные признаки изображения. Свойства характеристических признаков: повторяемость, уникальность, компактность, локальность. Выявление углов методом Харриса. Chapters Szeliski R. Computer Vision Algorithms and Applications / R. Absolute Spatial Context-Aware Visual Feature Descriptors for Outdoor Handheld Camera Localization / Kurz D., Meier P.G., Plopski A., Klinker G.

// International Conference on Computer Vision Theory and Applications (VISAPP) Pages Canny J. A Computational Approach To Edge Detection / J. Canny // IEEE Trans. Pattern Analysis and Machine Intelligence Volume 8. Pages Harris C. A Combined Corner and Edge Detector / C.

Stephens // Proceedings of the 4th Alvey Vision Conference Pages Сопоставление характеристических точек. Построение панорам. Локальные дескрипторы. Разница Гауссиан. Гистограмма направленных градиентов (HoG).

Дескриптор Scale-invariant feature transform (SIFT). Дескриптор Speed Up Robust Features (SURF). Построение панорам на основе сопоставления характеристических точек.

Chapters 4.1.3, 4.3.2, 9 Szeliski R. Computer Vision Algorithms and Applications / R. Burt J.P., Adelson E.H. A Multiresolution Spline With Application to Image Mosaics / J.P. Adelson // ACM Transactions on Graphics October Volume 2. Pages 10 7.10 Базовые понятия машинного обучения. Классификация Понятие 'Машинное обучение'.

Цели и задачи машинного обучения. Алгоритм K-средних: плюсы и минусы. Построение визуальных словарей. Графовые алгоритмы кластеризации. Дилемма смещения отклонения. Метод опорных векторов.

Алгоритм усиления классификаторов AdaBoost. Chapter 5.3 Szeliski R.

Computer Vision Algorithms and Applications / R. A low complexity image stitching using advanced feature matching in mobile environments / Ahn H., Lee Y.H., Lee J.H., Cho H.J.

// Journal of Computer Virology and Hacking Techniques May Volume Issue 2. Pages Lipman Y.

Feature Matching with Bounded Distortion / Y. Poranne, Jacobs D.W., R.

Basri // ACM Transactions on Graphics (TOG) May Volume 33. Issue Bishop C.M. Pattern Recognition and Machine Learning / C.M. Bishop - London: Springer, Mitchell T. Machine Learning / T. Mitchell New York: McGraw Hill, Введение в распознавание образов. Алгоритмы распознавания лиц.

Eigenfaces, Viola Jones Метод скользящего окна. Применение модели Bag-of-Words для классификации изображений. Пространственное представление пирамид изображения. Основы процесса распознавания образов. Проблемы распознавания лиц.

Существующие алгоритмы распознавания лиц. Chapter 14 Szeliski R. Computer Vision Algorithms and Applications / R. Face Detection without Bells and Whistles / M. Pedersoli, L. Van Gool // Lecture Notes in Computer Science Volume Pages Viola P.

Robust real-time face detection / P. Jones // International journal of computer vision, Springer Volume 57. Pages Optical character recognition Методы распознавания текста. Распознавание номерных знаков. Распознавание рукописного текста. Работа OCR в Adobe Reader.

The history of OCR, optical character recognition / H. Schantz // Manchester Center, Vt.: Recognition Technologies Users Association Keys G.C. System and method for distributed optical character recognition processing / G.C. Kitada // Google Patents 11 1. Chandarana J. Optical Character Recognition / J.

Chandarana, M. Kapadia // International Journal of Emerging Technology and Advanced Engineering May Volume 4. Pages Farhad M.M.

An efficient Optical Character Recognition algorithm using artificial neural network by curvature properties of characters / M.M. Farhad // Electronics & Vision (ICIEV), 2014 International Conference on Informatics (IEEE) May Pages Suen, C.Y. Future Challenges in Handwriting and Computer Applications. Plamondon, A. Thomassen, J.R. Yamamoto // 3rd International Symposium on Handwriting and Computer Applications, Montreal - May 29, Камеры и проекции Строение простейшей 'пинхол' камеры.

Камера обскура. Современные камеры и геометрия.

Моделирование проекции. Матрица проекции.

Ортографическая и перспективная проекции. Chapters Szeliski R. Computer Vision Algorithms and Applications / R. Linear Operators, Part I: General Theory / N. Schwartz New York: Interscience, Meyer C.D. Matrix Analysis and Applied Linear Algebra / C.D. Meyer // Society for Industrial and Applied Mathematics Эпиполярная геометрия и 3D реконструкция Проективная геометрия.

Построение перспективы по 2 и 3 точкам. Вычисление точек и линий схода. Понятие '3D реконструкция'. Методы и задачи 3D реконструкции. Калибровка камеры по объектам-маркерам. Прямая линейная калибровка.

Стерео: эпиполярная геометрия. Параметры камеры: внешние и внутренние. Chapters 7, 11 Szeliski R. Computer Vision Algorithms and Applications / R. Multiple View Geometry in Computer Vision. Zisserman - Cambridge: Cambridge University Press, Luong Q.T.

Learning Epipolar Geometry / Q.T. Luong // Artificial Intelligence Center.

SRI International. Retrieved Nalwa S.V. A Guided Tour of Computer Vision / S.V. Nalwa // Addison Wesley Pages Метод Structure from Motion Фундаментальная матрица. Типы неоднозначности. Работа с неполными данными. Построение трехмерного облака точек на основе нескольких фотографий объекта.

Алгоритм RANSAC. Применение метода Structure from Motion на больших пространствах. Chapters Szeliski R. Computer Vision Algorithms and Applications / R. Coupling Visual Servoing with Active Structure from Motion / R.

Robuffo Giordano, F. Chaumette // IEEE Int.

On Robotics and Automation, ICRA'14, Hong-Kong: Hong-Kong Shapiro L.G. Computer Vision / L.G. Shapiro, G.C. Stockman - New Jersey: Prentice Hall, Dellaert F. Structure from Motion without Correspondence / F.

Thrun // CVRP Цифровая фотография Цифровая рефокусировка изображений. Создание и передача текстуры. Освещение и рендреинг на основе изображения. High Dynamic Range (HDR). Tone mapping. Chapter 10 Szeliski R. Computer Vision Algorithms and Applications / R.

Intelligent Image Processing / S. Mann - Hoboken, NJ: Wiley-IEEE Press, Raskar R., Agrawal A., Tumblin J. Coded Exposure Photography: Motion Deblurring using Fluttered Shutter / R. Tumblin // ACM TRANS. GRAPH Volume Pages Современные достижения в распознавании объектов.

Ограничения и перспективы. Наиболее перспективные тренды в компьютерном зрении. Использование дополнительных сенсоров: Microsoft Kinect, Leap Motion, Razer Hydra. Pattern Recognition and Signal Analysis in Medical Imaging / Anke Meyer-Baese, Volker J.

Schmid - Oxford: Academic Press: Microsoft Kinect Электронный ресурс - Режим доступа: 3. Leap motion Электронный ресурс - Режим доступа: Siggraph 2014 Papers Электронный ресурс - Режим доступа: 8 Образовательные технологии Используются лекции и активные формы проведения занятий в виде разбора практических задач и кейсов с использованием компьютера. 9 Оценочные средства для текущего контроля и аттестации студента 9.1 Тематика заданий текущего контроля Примерные вопросы для домашних заданий: ДЗ 1. Разработка мобильного или десктопного приложения, реализующего морфинг двух изображений в одно путем гауссовского наложения.

Разработка мобильного или десктопного приложения, реализующего поиск лиц на фотографии. Разработка мобильного или десктопного приложения, реализующего вычисление положения камеры, исходя из проекции изображения. 9.2 Вопросы для оценки качества освоения дисциплины Примерный перечень вопросов к зачету по всему курсу или к каждому промежуточному и итоговому контролю для самопроверки студентов. Зрительная система человека 2. Фокусное расстояние, глубина резкости, выдержка, светочувствительный элемент 3. Цыетовые пространства RGB, HSV и YCbCr 4. Гауссова пирамида изображений 5.

Бинаризация и сегментация 6. Матрица свертки с ядром Гауссиана 7. Линейная фильтрация изображений 8. Шумы и способы их подавления 9. Быстрое преобразование Фурье 10.

Гауссиан и Лапласиан. Лапласиан Гуассиана и Гауссиан Лапласиана 11. Матрица градиентов изображения 12. Морфологические операции над изображением: эрозия, дилатация, замыкание, размыкание. Морфологическое выделение контуров 13. Оператор Кенни 14.

Геометрические преобразования изображений: аффинные, евклидовые и проективные 15. Геометрическое отношение между изображениями 16. Инвариантные локальные признаки изображения 17. Выявление углов методом Харриса 18. Локальные дескрипторы. Дескриптор Scale-invariant feature transform (SIFT). Дескриптор Speed Up Robust Features (SURF) 19.

Разница Гауссиан 20. Гистограмма направленных градиентов 21. Кластеризация и классификация. Алгоритм K-средних: плюсы и минусы.

Графовые алгоритмы кластеризации. Алгоритм усиления классификаторов AdaBoost. Распознавание методом скользящего окна. Пространственное представление пирамид изображения. Алгоритмы распознавания лиц Eigenfaces, Viola Jones 28. Методы распознавания текста 29.

Моделирование проекции. Матрица проекции. Ортографическая и перспективная проекции 30. Эпиполярная геометрия 31.

3D реконструкция 32. Structure from Motion 33. High Dynamic Range (HDR) 34. Tone mapping 35. Использование дополнительных сенсоров: Microsoft Kinect, Leap Motion, Razer Hydra 9.3 Примеры тем индивидуального проекта Тематика индивидуального проекта выбирается студентами самостоятельно и утверждается преподавателями дисциплины. 13 14 Каждый студент в течение всего курса будет работать над индивидуальным проектом по разработке приложения для демонстрации работы изученных алгоритмов компьютерного зрения. Примеры тем индивидуальных проектов: 1.

Разработка алгоритма восстановления старых фотографий 2. Разработка приложения поиска специфических объектов на видеопотоке на примере обнаружения котов. Разработка приложения создания цилинидрических панорам 4. Разработка алгоритмов ретаргетинга изображения 5. Разработка приложения распознавания движений человека 6. Разработка приложения распознавания движений человека 7.

Разработка приложения распознавания дорожных знаков 8. Разработка приложения распознавания текста 9. Разработка приложения 3D реконструкции объекта по видеопотоку 10 Учебно-методическое и информационное обеспечение дисциплины 10.1 Базовые учебники 2. Image Processing, Analysis, and Machine Vision.

Boyler Stamford: Cengage Learning, Szeliski R. Computer Vision Algorithms and Applications / R. London: Springer- Verlag, Основная литература 4. Image Processing, Analysis, and Machine Vision. Boyler Stamford: Cengage Learning, Szeliski R. Computer Vision Algorithms and Applications / R. London: Springer- Verlag, Petrou M.

Image Processing: The Fundamentals, Second Edition / M. Hoboken, NJ: John Wiley & Sons, Paris S.

Bilateral Filtering: Theory and Applications / S. Kornprobst, J. Durand // Foundations and Trends in Computer Graphics and Vision Volume 4. Issue Wang J. Image and Video Matting: A Survey /J.

Cohen // Foundations and Trends in Computer Graphics and Vision Volume 3. Issue Tuytelaars T. Local Invariant Feature Detectors: A Survey / T.

Tuytelaars, K. Mikolajczyk // Foundations and Trends in Computer Graphics and Vision Volume 3. Issue Perez P. Poisson Image Editing / P. Blake // ACM Transactions on Graphics (TOG) July Volume 22.

Pages Bhat P. GradientShop: A Gradient-Domain Optimization Framework for Image and Video Filtering / P. Cohen, and B.

Curless // ACM Transactions on Graphics (TOG) Volume 27. Issue Программные средства Для занятий на компьютерах необходимо установить следующее программное обеспечение: Microsoft Visual Studio 2012, JDK 1.8 и IntelliJ IDEA 15 10.4 Дистанционная поддержка дисциплины Предполагается систематическое использование Интернета и LMS как для доступа к рекомендованным интернет-источникам, так и для деловой переписки и дистанционного взаимодействия слушателей факультатива с преподавателем. 11 Материально-техническое обеспечение дисциплины Практические занятия и лекции по дисциплине проводятся в аудитории, оснащенной проекционно-демонстрационным оборудованием (проектор, экран) и компьютерами для каждого студента и преподавателя. Автор: Сибирцева Е.А.