Курс по основам машинного зрения и цифровой обработки изображений.
Зачет будет проходить в письменном виде, один вопрос по теории и одна практическая задача.
Домашние задания присылайте на почту [email protected] в недельный срок.
Студенты, решившие все 4 домашних задания, от практики освобождаются.
Вопросы по теории:
- История становления машинного зрения
- Задачи и проблемы машинного зрения
- Модели изображений в пространстве, ошибки дискретизации и квантования
- Цветовые модели изображений
- Математический аппарат цифровой обработки изображений
- Выравнивание гистограмм
- Морфологические операции
- Обнаружение углов и границ
- Линейные классификаторы изображений
- SVM классификатор. Hinge loss
- Softmax классификатор. Cross entropy loss
- Регуляризация классификатора изображений
- Оптимизация параметров (обучение) линейного классификатора изображений
- Многослойные нелинейные классификаторы изображений
- Механизм обратного распространения ошибки
- Сверточные сети
- Архитектура сетей семантической сегментации
- Архитектура сетей детекции объектов
Задачи по практике:
- Загрузите изображение, преобразуйте в gray_scale и отобразите результат его свертки с масками (kernel): горизонтальная, вертикальная и наклонная под углом 45 градусов. Размер kernel должен быть 5х5.
- Загрузите изображение, на котором будет виден результат преобразований opening and closing.
- Реализуйте и представьте на изображении два аффинных преобразования: сдвиг и масштабирование
- Реализуйте нелинейный классификатор изображений на numpy
- Реализуйте нелинейный классификатор изображений на keras
- Реализуйте сверточный классификатор изображений на keras
Литература:
- Гонсалес, Вудс. Цифровая обработка изображений.
- Шапиро, Стокман. Компьютерное зрение.