Курс "Инженерная и компьютерная графика" 2013 (заочное отделение)

Материалы курса "Инженерная и компьютерная графика" для заочного отделения можно найти по следующей ссылке на аналогичный курс очного отделения.

Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при рассмотрении теоретических вопросов и решении задач по данному курсу, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

Руководитель курса: асс. каф. ДЭС Волохов В.А.

Экзамен по курсу "Цифровая фильтрация" 2012

Структура экзамена

Экзамен состоит из двух частей:
1. Один теоретический вопрос из предложенного списка. Вопросы можно скачать здесь. Тема "Фильтрация и улучшение цифровых изображений" является дополнительной и учитываться при сдаче экзамена никак не будет. Данная тема будет исключена из билетов и доп. вопросов преподавателя. Однако при рассмотрении этой темы вы можете найти много хороших примеров обработки двумерных сигналов и использовать их при изложении теории  на экзамене (кроме этого см. лабораторный практикум, в котором приведены примеры обработки одномерных сигналов). Материал по теме "Фильтрация и улучшение цифровых изображений" может быть найден здесь.
2. Задача из раздела " Синтез цифровых КИХ-фильтров методом окон ". Задачи можно скачать здесь. Либо задача из раздела "Синтез цифровых БИХ-фильтров методом билинейного z-преобразования". Задачи можно скачать здесь.

Место и время проведения

Группа РЭ-41 СО, второй учебный корпус, 15.01.13, к. 202 (второй учебный корпус), с 9:00.

Замечание: Вопросы, затрагивающие материал настоящего курса, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

P.S. При необходимости проведения консультационного занятия прошу прислать подтверждение либо на почту, либо в комментах к настоящему посту. Проводить его предлагается 14.01.13, к. 309 (первый учебный корпус), с 10:15.

Руководитель курса: асс. каф. ДЭС Волохов В.А.

С новым годом!

С небольшой задержкой, но все же. Не было возможности отписаться. Поздравляю всех студентов, аспирантов (бывших аспирантов), преподавателей с наступившим новым годом. Для меня в ушедшем году произошло много замечательных вещей и открытий. Думаю и для многих из вас тоже. Желаю чтобы новый год принес много положительных эмоций, хорошего настроения, счастья, любви, достижения целей, красивых мечт, ... Ну и конечно желаю вам душевного равновесия и здоровья. Тогда все будет хорошо, тогда все будет как надо!

Всем удачи и благ. С уважением, Владимир Волохов.

Курс Алексея Лукина

Примерно ровно год назад я делал пост относительно курса "Основы цифровой обработки сигналов, интегральные преобразования в обработке изображений", МГУ им. М.В. Ломоносова (ссылка). Читают Андрей Серджевич Крылов и Алексей Сергеевич Лукин. Курс близок к нашим дисциплинам: "Цифровые цепи и сигналы", "Цифровая обработка изображений", "Цифровая фильтрация" и некоторым другим. В этом году авторы выложили видеолекции по курсу, с которыми можно ознакомиться на его официальной странице. Удачного изучения!

Зачет по курсу "Цифровая обработка изображений" 2012

Файл с результатами проверки двух практических заданий можно скачать здесь. Замечания указаны там же. Для тех кто не сдал задания (по причинам: просто не сдавал или повторил чужой код), зачет состоится в ауд. 217, второй учебный корпус, 26.12.12 в 10.15. Зачет будет проводиться в устной форме по темам представленным на странице курса (ссылка). Вопросы для подготовки здесь.
С уважением, Волохов Владимир.

P.S. Апелляции принимаются! Хотя, имхо, в этом году они не имеют смысла. Можете писать на электронную почту или в блог в комментах к этому посту.

Курс "Компьютерное зрение" 2012/2013 (факультатив)

Начинает свою работу страница курса-факультатива "Компьютерное зрение".

В настоящем разделе размещена информация, затрагивающая литературу, ссылки, лекционный материал по тематике курса и задания к практическим работам.

Место и время проведения 

Физический факультет (1-ый учебный корпус), к. 306, каждую неделю по субботам, с 15.00 до 16.35.

Темы лекционных занятий

1. Введение и обзор материала курса (презентация .pptx, презентация .pdf). Tiny images - "крошки картинки" (ссылка). Awesome Terminator 2 Scenes - "сцены из потрясающего фильма Терминатор 2" (ссылка). Microsoft Kinect - "гаджет для Xbox 360" (ссылка).
2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptx, презентация .pdf). Awareness Test - "тест на внимательность" (ссылка).
3. Обработка цифровых изображений в среде Matlab (презентация .pptx, презентация .pdf). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptx, презентация .pdf, пример реализации .rar). Примеры реализации простейших алгоритмов компьютерного зрения в среде Matlab (примеры реализации .rar).
4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptx, презентация .pdf). Hybrid Images - "гибридные изображения" (описание).
5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptx, презентация .pdf).
6. Оценка качества цифровых изображений (опционально, презентация .pptx, презентация .pdf, m-файлы .rar). Описание и Matlab-реализацию Structural SIMilarity (SSIM) index - коэффициент структурного подобия (КСП) можно найти здесь. Рекомендации ITU-R BT.500-11 Methodology for the Subjective Assessment of the Quality of Television Pictures - методология для субъективной оценки качества телевизионных изображений (ссылка). Про субъективную оценку качества можно также почитать здесь.
7. Цвет и обработка цветных изображений (презентация .pptx, презентация .pdf). Awareness Test - "тест на внимательность" (ссылка). Tiny images - "крошки картинки" (ссылка). Смотрим визуальные иллюзии на Planet Perplex (ссылка). Про трекинг глаз читаем здесь. Так же интересно почитать следующую книгу Yarbus Alfred L. Eye Movements and Vision. Plenum Press, 1967 (ссылка).
8. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptx, презентация .pdf). Примеры реализации простейших алгоритмов анализа бинарных изображений в среде Matlab (примеры реализации .rar).
9. Алгоритмические и математические принципы систем автоматического распознавания номерных знаков (ссылка, презентация .pptx, презентация .pdf). Интересный алгоритм детектирования номерных знаков (ссылка). Пример реализации простого алгоритма детектирования номерных знаков в среде Matlab (ссылка).
10. Сегментация изображений. Часть 1 (презентация .pptx, презентация .pdf). Несколько интересных статей по теме лекции можно найти в источнике [16] (ссылка 1, ссылка 2, ссылка 3). Неплохая обзорная видеолекция на тему сегментации изображений и видео может быть найдена в online курсе Guillermo Sapiro "Image and video processing: From Mars to Hollywood with a stop at the hospital" (ссылка). Смотреть нужно лекцию №5, для просмотра нужна регистрация на сайте www.coursera.org.
11. Сегментация изображений. Часть 2 (презентация .pptx, презентация .pdf). Обзорная видеолекция на тему выделения границ и детектирования линий на изображениях может быть найдена в online курсе Guillermo Sapiro "Image and video processing: From Mars to Hollywood with a stop at the hospital" (ссылка). Смотреть нужно лекцию №5, для просмотра нужна регистрация на сайте www.coursera.org. Про детектор Кэнни читаем оригинальную статью здесь. Про детектор линейных сегментов можно найти информацию на сайте научного журнала IPOL (Image Processing On Line) по обработке и анализу изображений (ссылка). Пример заполнения аккумулятора при выполнении преобразования Хафа можно найти здесь.
12. Машинное обучение. Часть 1 (презентация .pptx, презентация .pdf). Про автономный вертолет читаем здесь. Законченная реализация алгоритма линейной регрессии с одной и несколькими переменными из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). С оригинальным Стэнфордским курсом по машинному обучению Andrew Ng можно ознакомиться здесь или здесь. Неплохо написанную книжку по машинному обучению Stephen Marsland "Machine Learning: An Algorithmic Perspective" можно скачать здесь. Эта книга хорошо подходит для понимания базовых концепций в данной области. В ней есть примеры реализации алгоритмов машинного обучения на языке Python. Рекомендую ознакомиться с книжкой написанной Александром Борисовичем Мерковым (к.т.н., сотрудник Института системного анализа РАН) "Введение в методы статистического обучения" (ссылка). Книга написана просто, доступно и дает хороший обзор современных методов распознавания. Также рекомендуется ознакомиться с отечественным профессиональным информационно-аналитическим ресурсом, который посвящен машинному обучению, распознаванию образов и интеллектуальному анализу данных (ссылка).
13. Машинное обучение. Часть 2 (презентация .pptx, презентация .pdf). Законченная реализация алгоритма логистической регрессии с регуляризацией и без нее из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
14. Машинное обучение. Часть 3 (презентация .pptx, презентация .pdf). Законченная реализация алгоритма логистической регрессии с регуляризацией и нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Обращаю внимание на то, что в предложенной реализации по умолчанию используется только 5000 тренировочных примеров (вместо изначальных 60000) из базы данных MNIST, а также на то, что тестирование рассматриваемых алгоритмов осуществляется на примерах, которые использовались на этапе обучения. Поэтому сравнить полученные результаты с уже имеющимися на аналогичной базе данных (ссылка) нельзя! Несколько баз данных для обучение, в том числе MNIST (в удобном, родном для Matlab формате mat) можно найти здесь. Интересно почитать следующую статью про сверточную нейронную сеть LeNet 5 (ссылка).
15. Машинное обучение. Часть 4 (презентация .pptx, презентация .pdf). Законченная реализация алгоритма обучения нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Автономное вождение / проект ALVINN (видео позаимствовано из курса Andrew Ng "Machine Learning" на www.coursera.org). 
16. Машинное обучение. Часть 5 (презентация .pptx, презентация .pdf). Пример законченного кода для самостоятельного исследования по регуляризованной линейной регрессии, а также таких понятий как смещение и дисперсия из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
17. Детектирование лиц на основе алгоритма Виола / Джонса (презентация .pptx, презентация .pdf). Ссылка на статью Viola P., Jones M. Robust Real-time Object Detection // Int. J. Computer Vision. 2004. V. 57, №2. P. 137–154 (ссылка).
18. Анализ главных компонент. Распознавание лиц. Ссылка на статью Turk M., Pentland А. Eigenfaces for Recognition // Journal of Cognitive neuroscience. 1991. V. 3, №1. P. 73–86 (ссылка). Ссылка на копию оригинальной статьи К. Пирсона 1901 г., в которой был предложен анализ главных компонент (ссылка). Пример законченного кода для самостоятельного исследования по анализу главных компонент, а также метода K-средних из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Дополнительно про анализ главных компонент и другие методы сокращения размерности можно почитать в книге Stephen Marsland "Machine Learning: An Algorithmic Perspective" (ссылка).

Практические задания

1. Фильтрация изображений (описание .pdf, изображения .rar).
2. Цифровая хроматография изображений Российской Империи, полученных С.М. Прокудиным-Горским (описание .pdf, изображения .rar).
3. Простой алгоритм распознавания номерных знаков (описание .pdf, тестовые изображения .rar, изображения эталонов цифр .rar).

Дополнительные материалы

1. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 (ссылка).
3. Конушин А. и др. Курс "Введение в компьютерное зрение", 2010. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
4. Конушин А. и др. Курс "Введение в компьютерное зрение", 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
5. Конушин А. и др. Курс "Введение в компьютерное зрение", 2012. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
6. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
7. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
8. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
9. Darrell T. Computer Vision (CS 280), 2009. University of California, Berkeley (ссылка).
10. Duraiswami R. Fundamentals of Computer Vision (CMSC 828d), 2000 / Computer Vision (CMSC 426), 2005. UMIACS (ссылка). 
11. Torralba A. Advances in Computer Vision (6.869), 2010. Massachusetts Institute of Technology (ссылка).
12. Ng A. Machine Learning (CS 229), 2009. Stanford University (ссылка 1, ссылка 2).
13. Конушин A. Семантическая классификация изображений (видеолекции), 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
14. Ерухимов В. Компьютерное зрение и библиотека OpenCV (видеолекции), 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
15. Конушин А. Курсы "Введение в компьютерное зрение" и "Доп. главы компьютерного зрения" (видеолекции), 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
16. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
17. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
18. Efros A. Computational Photography (15-463 / 15-862), 2010. Carnegie Mellon University (ссылка).
19. Сайт научного журнала IPOL (Image Processing On Line) по обработке и анализу изображений (ссылка).
20. Pattern Analysis, Statistical Modeling and Computational Learning Visual Object Classes Challenge (ссылка).

Online курсы

Информация по наиболее интересным online курсам приведена в первой презентации. Напоминаю, что с прошлого года ряд западных университетов начал практику создания online курсов (www.coursera.org, www.udacity.org) по различным дисциплинам. Например, "Искусственный интеллект", "Машинное обучение", "Компьютерное зрение" и т.д. Для ознакомления с материалами курсов (видеолекциями, практическими заданиями и т.д.) нужна регистрация! Дополнительно необходимо отметить, что появились online лекции по курсу "Машинное обучение", читаемые сотрудниками ШАД (Школы анализа данных Яндекс). Ссылка на курс здесь.

Руководитель курса: асс. каф. ДЭС Волохов В.А.

Курс "Цифровая обработка изображений" 2012

Начинает свою работу страница курса "Цифровая обработка изображений" специальности "Радиотехника".

В настоящем разделе размещена единая информация, затрагивающая лекционный материал и задания к практическим работам.

Место проведения: Физический факультет (2-ой учебный корпус), к. 217.

Время: Лекция раз в две недели по средам с 10.15 до 11.50 (знаменатель).

Темы лекционных занятий

1. Введение и обзор материала курса (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Чудеса фотографии "Восстановление фотографического наследия С.М. Прокудина-Горского"  (ссылка1, ссылка2).
2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Awareness Test - "тест на внимательность" (ссылка).
3. Цифровая обработка изображений в среде Matlab (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptx, презентация .pdf, раздаточный материал .pdf, пример реализации .rar).
4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Hybrid Images - "гибридные изображения" (описание).
5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptx, презентация .pdf, раздаточный материал .pdf).
6. Оценка качества цифровых изображений (презентация .pptx, презентация .pdf, раздаточный материал .pdf, m-файлы .rar). Описание и Matlab-реализацию Structural SIMilarity (SSIM) index - коэффициент структурного подобия (КСП) можно найти здесь. Рекомендации ITU-R BT.500-11 Methodology for the Subjective Assessment of the Quality of Television Pictures - методология для субъективной оценки качества телевизионных изображений (ссылка). Про субъективную оценку качества можно также почитать здесь.
7. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Примеры реализации простейших алгоритмов анализа бинарных изображений в среде Matlab (примеры реализации .rar).
8. Цвет и обработка цветных изображений (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Awareness Test - "тест на внимательность" (ссылка). Tiny images - "крошки картинки" (ссылка). Смотрим визуальные иллюзии на Planet Perplex (ссылка).
9. Сжатие изображений. Стандарт JPEG (презентация .pptx, презентация .pdf, раздаточный материал .pdf). Хорошо написанная статья и ссылки для самостоятельного изучения по стандарту JPEG могут быть найдены здесь. Стандарт JPEG (ссылка). Также рекомендуется проанализировать источники [7, 8] в дополнительных материалах.
10. Вопросы к зачету (вопросы .pdf).

Практические задания

1. Фильтрация изображений (описание .pdf, изображения .rar).
2. Цифровая хроматография изображений Российской Империи, полученных С.М. Прокудиным-Горским (описание .pdf, изображения .rar).

Дополнительные материалы

1. Peters R.A. Image Processing (EECE / CS 253) , 2007. Vanderbilt University School of Engineering (ссылка).
2. Крылов А., Лукин А. Интегральные преобразования в обработке изображений, введение в цифровую обработку мультимедийной информации, 2011. МГУ им. М.В. Ломоносова (ссылка). Примечание: здесь можно послушать аудиозаписи лекторов, посмотреть соответствующие презентация, попробовать выполнить предлагаемые практические задания, ну и понять чему учат в МГУ по аналогичным курсам.
3. Ватолин Д. Методы обработки и сжатия видео, 2010-2011. МГУ им. М.В. Ломоносова (ссылка).
4. Волохов В. Курс "Цифровая обработка изображений" 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
5. Волохов В. Курс Компьютерное зрение, 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
6. Волохов В. Курс Компьютерное зрение, 2012. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
7. Приоров А.Л., Апальков И.В., Хрящев В.В. Цифровая обработка изображений: учебное пособие. - Ярославль: ЯрГУ, 2007 (ссылка).
8. Wallace G.K. The JPEG Still Picture Compression Standard // IEEE Trans. Consumer Electronics. 1992. V. 38, №1. P. xviii - xxxiv (ссылка).

Руководитель курса: асс. каф. ДЭС Волохов В.А.