Материалы к лекциям по курсу

Дата Тема Материалы
1 21.02.08 Введение, обзор содержания курса. Основные понятия машинного зрения. Взаимосвязь машинного зрения и ряда других дисциплин: обработки сигналов, распознавания образов, машинного обучения. Примеры практических задач. Презентация (.pdf) (1,75Mb)
2 28.02.08 Общая задача распознавания изображений. Методы фильтрации изображений. Базовые методы сегментации изображений. Выделения связанных областей. Извлечение признаков площадных объектов из изображения. Цветовые признаки, гистограмма. Характеристики формы объекта, инвариантные моменты. Извлечение геометрических признаков из изображения. Методы выделения краев. Презентация (.pdf) (4,91Mb)
3 6.03.08 Методы сегментации изображений. Постановка задачи сегментации. Методы пороговой фильтрации, цветовой сегментации, слияния/разделения, водораздела, основанные на методах теории графов. Интерактивная сегментация. Презентация (.pdf) (4,97Mb)
4 20.03.08 Введение в методы видеонаблюдения Общая схема методов видеонаблюдения. Методы вычитания фона. Алгоритмы отслеживания объектов.  
5 27.03.08 Анализ областей после применения сегментации. Методы выделения параметрических кривых на изображении. Выделение точечных особенностей на изображении. Робастная оценка параметров модели по наблюдаемым значениям в приложении к анализу изображений. Метод наименьших квадратов, М-оценочные функции, RANSAC, схемы голосования (преобразование Хафа и Радона).  
6 3.04.08 Машинное обучение, ч.1 Постановка задачи, регрессия. Нормальный дискриминантный анализ. Наивный Байес. Метод минимизации эмпирического риска, проблема переобучения. Экспериментальные методы оценки и сравнения классификаторов - удерживание, скользящий контроль, ROC кривые, статистические тесты. Презентация (.pdf)
7 10.04.08 Машинное обучение, ч.2. Классификация. Воспроизводящий подход. Деревья классификации, нейронные сети, метод опорных векторов, коммитетные методы (бустинг), поиск лиц методом Violo-Jones. Презентация (.pdf)
8 17.04.08 Машинное обучение, ч.3. Многоклассовая классификация. Кластеризация: метод К-средних, EM-алгоритм, кластеризация смесью нормальных распределений, метод сдвига среднего (mean-shift). Понижение размерности данных: метод главных компонент, применение для распознавания лиц (EigenFaces). Презентация (.pdf)
9 24.04.08 Камера, ее модель и свойства. Камера-обскура. Линза: фокусировка, глубина резкости, трансфокация. Хроматическая аберрация и радиальная дисторсия. Модель камеры: внутренняя и внешняя калибровка камеры, полная матрица проекции. Гомография. Эпиполярная геометрия.  
10 8.05.08 Реконструкция по 1 изображению. Точки схода, исчезающая линия и методы их вычисления. Схема алгоритма реконструкции. Алгоритмы реконструкции по одному изображению: Tour into Picture, Image-based modeling and photo-editing, Auto pop-up.  
11 15.05.08 Стерео-реконструкция. Активное и пассивное стерео. Триангуляция. Поиск соответствий. Диспаритет. Карта глубины. Стерео по 2+ изображениям. Активное стерео. Совмещение облаков точек. Презентация (.pdf) (10Mb)
12 22.05.08 Выравнивание изображений и сопоставление особенностей. Выравнивание изображений: прямое согласование, градиентный спуск. Понятие оптического потока. Апертура. Алгоритм Лукаса-Канаде. Согласование особенностей. Сегментация ложных соответствий. Инвариантные особенности.  
© Лаборатория компьютерной графики при ВМиК МГУ