Анализ Изображений И Видео. Сегментация Изображений

Сегодня мы публикуем восьмую лекцию из курса «Анализ изображений и видео», который читает Наталья Васильева в Санкт-Петербургском Центре компьютерных наук, который создан по совместной инициативе Школы анализа данных Яндекса, JetBrains и CS-клуба.

.

Всего в программе девять лекций, из них уже опубликованы:

  1. Курс «Введение в анализ изображений и видео» ;
  2. Основы пространственной и частотной обработки изображений ;
  3. Морфологическая обработка изображений ;
  4. Построение функций и сравнение изображений: глобальные функции ;
  5. Построение признаков и сравнение изображений: местные особенности ;
  6. Поиск по сходству.

    Поиск нечетких дубликатов ;

  7. Анализ изображений и видео.

    Классификация изображений и распознавание объектов .

Под катом вы найдете план новой лекции и слайды.

Что такое распознанный объект. Что такое сегментация:

  • Где используется сегментация?
  • Подзадачи сегментации.

Возможные критерии «общности»:
  • Таксономия методов сегментации;
  • Критерии «общности».

    Цвет;

  • Критерии «общности».

    Текстура;

  • Критерии «общности».

    Расположение относительно контура;

  • Критерии «общности».

    Движение, движение;

  • Критерии «общности».

    Глубина (глубина);

  • Критерии «общности».

    Глобальный.

Математические модели:
  • Использование кластеризации;
  • Кластеризация.

Метод К-средних.

Основная идея:

  • Метод К-средних.

    Алгоритм;

  • метод k-средних: шаг 1;
  • метод k-средних: шаг 2;
  • метод k-средних: шаг 3;
  • метод k-средних: шаг 4;
  • метод k-средних: шаг 5;
  • К-означает сегментацию.

Добавление пространственной информации:
  • k-Means: преимущества и недостатки;
  • Сдвиг среднего значения для сегментации изображений;
  • Алгоритм среднего сдвига;
  • Кластеризация/сегментация среднего сдвига;
  • Средний сдвиг;
  • Кластеризация среднего сдвига;
  • Результаты сегментации среднего сдвига;
  • Больше результатов;
  • Средний сдвиг: преимущества и недостатки;
  • Вероятностная кластеризация;
  • Максимизация ожиданий (ЕМ).

Иерархическая кластеризация:
  • Модель для метрического пространства;
  • Моделирование с использованием графиков;
  • Автоматическая обрезка графика;
  • Сегментация по разрезам графика;
  • Минимальный разрез;
  • Но минимальная обрезка не всегда является лучшей;
  • Нормализованный разрез.

Примеры сегментации:
  • Использование графиков;
  • Использование двумерной решетки;
  • Математические модели;
  • Методы сегментации сверху вниз;
  • Деформируемые контуры;
  • Параметризация;
  • Установка энергии контура;
  • Оптимизация;
  • Набор данных сегментации Беркли [BSDS].

Теги: #Алгоритмы #программирование #Яндекс #Обработка изображений #компьютерное зрение
Вместе с данным постом часто просматривают:

Автор Статьи


Зарегистрирован: 2019-12-10 15:07:06
Баллов опыта: 0
Всего постов на сайте: 0
Всего комментарий на сайте: 0
Dima Manisha

Dima Manisha

Эксперт Wmlog. Профессиональный веб-мастер, SEO-специалист, дизайнер, маркетолог и интернет-предприниматель.