http://mit.spbau.ru/sewiki/api.php?action=feedcontributions&feedformat=atom&user=Alexander.Vakhitov 2026-04-17T07:11:57Z Вклад участника MediaWiki 1.26.2 http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5160 2014-12-16T19:32:58Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Введение (часть об отчетности не смотреть) [[Файл:intro.pdf]]<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [[Файл:ml.pdf]]<br /> <br /> Основной источник - R. Szeliski, Computer Vision Algorithms and Applications (google it)<br /> <br /> == Вопросы ==<br /> <br /> Необходимо знать все понятия, внесенные в список<br /> <br /> 1. Линейные фильтры (Гаусс, градиент, Собель, Лаплас)<br /> <br /> 2. Нелинейные фильтры (медиана, морфология-dilate, erode)<br /> <br /> 3. Преобразование Фурье и фильтрация фурье-коэффициентов<br /> <br /> 4. Детекторы особенных точек (Харрис, difference of gaussians)<br /> <br /> 5. Дескрипторы точек (sift)<br /> <br /> 6. Отслеживание точек (Лукас-Канаде)<br /> <br /> 7. Модель камеры (ортографическая, перспективная), дисторсия<br /> <br /> 8. Оценивание ракурса (2д-3д), гомография<br /> <br /> 9. Восстановление по паре кадров ракурса и позиций точек<br /> <br /> 10. Введение в машинное обучение (все элементы диаграммы, ROC, HOG-svm, Haar-каскад)<br /> <br /> Список сдачи заданий:<br /> https://docs.google.com/spreadsheets/d/1IdKvlrhFumJoDaI5oNp6s-HaPwWtMAJe4DJ7N18Wyws/edit?usp=sharing<br /> <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 6 ==<br /> Бонус на зачете<br /> <br /> Необходимо по коллекции рукописных цифр NIST сделать бинарный классификатор 0 vs 1 на базе HOG-SVM с использованием OpenCV. Обучить на 50 изображениях из каждого класса, затем на полной тренировочной выборке, проверить каждый вариант на тестовой выборке. Сравнить результаты и быть готовым проанализировать с точки зрения переобучения (overfitting).</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5159 2014-12-16T19:26:41Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Введение (часть об отчетности не смотреть) [[Файл:intro.pdf]]<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [[Файл:ml.pdf]]<br /> <br /> Основной источник - R. Szeliski, Computer Vision Algorithms and Applications (google it)<br /> <br /> == Вопросы ==<br /> <br /> Необходимо знать все понятия, внесенные в список<br /> <br /> 1. Линейные фильтры (Гаусс, градиент, Собель, Лаплас)<br /> <br /> 2. Нелинейные фильтры (медиана, морфология-dilate, erode)<br /> <br /> 3. Преобразование Фурье и фильтрация фурье-коэффициентов<br /> <br /> 4. Детекторы особенных точек (Харрис, difference of gaussians)<br /> <br /> 5. Дескрипторы точек (sift)<br /> <br /> 6. Отслеживание точек (Лукас-Канаде)<br /> <br /> 7. Модель камеры (ортографическая, перспективная), дисторсия<br /> <br /> 8. Оценивание ракурса (2д-3д), гомография<br /> <br /> 9. Восстановление по паре кадров ракурса и позиций точек<br /> <br /> 10. Введение в машинное обучение (все элементы диаграммы, ROC, HOG-svm, Haar-каскад)<br /> <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 6 ==<br /> Бонус на зачете<br /> <br /> Необходимо по коллекции рукописных цифр NIST сделать бинарный классификатор 0 vs 1 на базе HOG-SVM с использованием OpenCV. Обучить на 50 изображениях из каждого класса, затем на полной тренировочной выборке, проверить каждый вариант на тестовой выборке. Сравнить результаты и быть готовым проанализировать с точки зрения переобучения (overfitting).</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5158 2014-12-16T19:23:55Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Введение (часть об отчетности не смотреть) [[Файл:intro.pdf]]<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [[Файл:ml.pdf]]<br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 6 ==<br /> Бонус на зачете<br /> <br /> Необходимо по коллекции рукописных цифр NIST сделать бинарный классификатор 0 vs 1 на базе HOG-SVM с использованием OpenCV. Обучить на 50 изображениях из каждого класса, затем на полной тренировочной выборке, проверить каждый вариант на тестовой выборке. Сравнить результаты и быть готовым проанализировать с точки зрения переобучения (overfitting).</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5157 2014-12-16T19:21:28Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Введение (часть об отчетности не смотреть) [[Файл:intro.pdf]]<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [[Файл:ml.pdf]]<br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5156 2014-12-16T19:20:12Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [[Файл:ml.pdf]]<br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5155 2014-12-16T19:19:52Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> Детекция особенностей [[Файл:feature detection.pdf]]<br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> <br /> Машинное обучение [Файл:ml.pdf]<br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5154 2014-12-16T19:17:46Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Линейные фильтры [[Файл:linfilters.pdf]]<br /> <br /> Фурье и дискретизация [[Файл:fourier sampling.pdf]]<br /> <br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Linfilters.pdf&diff=5153 2014-12-16T19:15:46Z

<p>Alexander.Vakhitov: </p> <hr /> <div></div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Ml.pdf&diff=5152 2014-12-16T19:15:17Z

<p>Alexander.Vakhitov: </p> <hr /> <div></div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Feature_detection.pdf&diff=5151 2014-12-16T19:13:51Z

<p>Alexander.Vakhitov: </p> <hr /> <div></div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Fourier_sampling.pdf&diff=5150 2014-12-16T19:13:03Z

<p>Alexander.Vakhitov: </p> <hr /> <div></div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:Intro.pdf&diff=5149 2014-12-16T19:11:34Z

<p>Alexander.Vakhitov: </p> <hr /> <div></div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5148 2014-12-16T19:10:22Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> Введение []<br /> <br /> <br /> Геометрия [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=5097 2014-12-09T10:16:58Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Лекции ==<br /> <br /> [http://se.math.spbu.ru/SE/Members/avakhitov/g.pdf] <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=4942 2014-11-25T16:10:15Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.<br /> Срок: 20.12.14</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=4941 2014-11-25T16:09:49Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.<br /> <br /> == Домашнее задание 3 ==<br /> Выполнить фильтр высоких частот (т.е. выделить высокие частоты, удалить низкие) с изображения (http://se.math.spbu.ru/SE/Members/avakhitov/mandril.bmp). Для этого выполнить преобразование Фурье изображения, обнулить необходимые его элементы и выполнить обратное преобразование. Применить к тому же самому изображению оператор Лапласа. Срок: 20.12.14<br /> <br /> == Домашнее задание 4 ==<br /> Изображение из задания 3. Сдетектировать особенные точки методом SIFT, затем повернуть изображение на 45 градусов, уменьшить в 2 раза, снова сдетектировать точки и выполнить сопоставление (matching) с использованием flann. Посчитать процент точек первого изображения, верно сопоставленных. Для этого вычислить правильные сопоставления по известным трансформациям картинки. Срок: 20.12.14<br /> <br /> == Домашнее задание 5 ==<br /> На видео (Ettlinger Tor, http://i21www.ira.uka.de/image_sequences/) сдетектировать точки детектором Харриса и отследить пирамидальным методом Лукаса-Канаде, используя OpenCV реализации этих методов. Сдетектировать точки детектором FaST и также отследить Лукасом-Канаде.</div>

Alexander.Vakhitov http://mit.spbau.ru/sewiki/index.php?title=CompVis14&diff=4391 2014-10-20T07:57:35Z

<p>Alexander.Vakhitov: </p> <hr /> <div>Преподаватель: Александр Вахитов (alex@divisionlabs.com)<br /> <br /> == Домашнее задание 1 ==<br /> <br /> Необходимо определить местонахождение текста на изображении, то есть построить изображение, в котором пиксель равен 255, если этот пиксель занят текстом, и 0 - если не занят. Детектировать текст необходимо с помощью оператора Лапласа, предварительно смазав изображение оператором Гаусса.<br /> Параметры операторов подобрать наилучшим подходящим для задачи образом. Выполнять задание на Python с использованием OpenCV (http://docs.opencv.org/trunk/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html#install-opencv-python-in-windows).<br /> <br /> *Картинка с текстом: [[Media:Text.bmp.zip]]<br /> <br /> == Домашнее задание 2 ==<br /> По бинарному изображению, являющемуся результатом задания 1, с помощью морфологических операций dilate, erode получить бинарные компонеты связности, соответствующие отдельным словам текста. Отрисовать объемлющие прямоугольники для каждой полученной бинарной компоненты связности.</div>

Alexander.Vakhitov