Wykrywanie twarzy ludzkich na kolorowych obrazach ze złożonym tłem
|
|
- Joanna Mazur
- 6 lat temu
- Przeglądów:
Transkrypt
1 Wykrywanie ludzkich na kolorowych obrazach ze złożonym tłem Lech Baczyński Na podstawie artykułu panów: Yanjiang Wang, Baozong Yuan i in.
2 Do czego przydatne jest wykrywanie (detekcja)? rozpoznawanie i identyfikacja "inteligentna" interakcja z komputerami przetwarzanie sekwencji wideo rozpoznawanie przechodniów, wykrywanie terrorystów na lotniskach itp. 2
3 Uwagi początkowe Autorzy prowadzili badania i testy głównie na zdjęciach z twarzami azjatów Wpływ światła na wyniki 3
4 Model kodowania koloru w celach detekcji RGB HSV Każdy z nich można przy pomocy obliczeń przekształcić na drugi 4
5 RGB dla każdego koloru ponad 16 mln. kolorów zapis np. #FFFF00 - żółty #FFFFFF - biały # czarny # szary 5
6 Normalizacja RGB jasność I = R + G +B Normalizacja: r = R/I g = G/I b = B/I zatem r + g + b = 1 Dzięki temu kolor można wyrazić przy pomocy dwóch wartości - r i g 6
7 HSV 3 liczby: H - Hue - barwa S - Saturation - jasność V - Value - wartość 7
8 Eksperymentalne wyznaczenie wartości dla koloru skóry - rgb 0.36 < r < < g <
9 Eksperymentalne wyznaczenie wartości dla koloru skóry - HSV 0 < H < < S < < V < 1.0 9
10 podobny w artykule pp. Karin Sobotka, Ioannis Pitas w pismie Signal Processing: Image Communication 10
11 Podejście agentowe Agent - Inteligentna jednostka, która może działać autonomicznie lub we współpracy z innymi. 11
12 Przykład działania 12
13 Zachowanie agenta: 13
14 Algorytm: a) równomiernie rozłożyć agentów na obrazku b) dla każdego policzyć wartości koloru (HSV) i porównać z wartościami równań określających kolor skóry c) jeżeli punkt ma odpowiedni kolor, i nie został odwiedzony przez agenta, agent "rodzi" czterech synów w czterech kierunkach. Punkt zostaje zaznaczony. 14
15 Algorytm c.d. d) jeżeli punkt był odwiedzony lub nie jest koloru skóry, agent przesuwa się losowo do jednego z sąsiednich punktów, a jego wiek zwiększany jest o 1. e) Jeżeli agent jest zbyt stary, zostaje usunięty. f) Jeżeli zbiór agentów jest pusty END, jeżeli nie GOTO b) 15
16 Przykład działania 16
17 Łączenie obszarów po wykryciu regionów następuje łączenie efektywny agent - wykrył region o kolorze skóry ARM - agent relationship matrix że jeżeli przynajmniej n (w artykule n=5) punktów zostało odwiedzone przez agentów z dwóch rodzin, te rodziny łączy się a ARM. Następnie obszary o kształtach nie przypominających są usuwane. 17
18 Punkty charakterystyczne 18
19 Wykrywanie oczu przy użyciu sieci neuronowych zastosowane rozwiązanie: 3-warstwowa sieć neuronowa z back propagation 128 (16 x 8) jednostek wejściowych jedna wyjściowa trening sieci neuronowej a BP na 160 obrazkach (100 i 60 nie-) Oczekiwany wynik - 1 dla oka, 0 dla nie-oka. 19
20 Wykrywanie oczu przy użyciu sieci neuronowych c.d. pierwszy krok - znajdowanie "punktów" charakterystycznych drugi - podawanie punktów wraz z okolicami (16 x 8) na wejście sieci neuronowej. Wyjście z sieci neuronowej: 0-1, jeżeli mniejsze niż 0.5 to nie oko, jeżeli większe to oko. 20
21 Wyniki testów 21
22 Wyniki testów c.d. 22
23 Mylnie rozpoznana twarz 23
24 Źródła Ilustracje pochodzą z artykułów: Yanjiang Wang, Baozong Yuan w Pattern Recognition Karin Sobotka, Ioannis Pitas w Signal Processing: Image Communication Tekst dostępny na 24
25 Kontakt Institute of Information Science,Northern Jiaotong University Beijing People' Republic of China Tel.: # bzyuan (at)center.njtu.edu.cn (B.Yuan). 25
26 Dziękuję za uwagę Czy są jakieś pytania?
Adam Korzeniewski p Katedra Systemów Multimedialnych
Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Zastosowania grafiki komputerowej Światło widzialne Fizjologia narządu wzroku Metody powstawania barw Modele barw
Bardziej szczegółowoAntyaliasing w 1 milisekundę. Krzysztof Kluczek
Antyaliasing w 1 milisekundę Krzysztof Kluczek Zasada działania Założenia: Metoda bazująca na Morphological Antialiasing (MLAA) wejście: obraz wyrenderowanej sceny wyjście: zantyaliasowany obraz Krótki
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa IZ06TC01, Zespół 3 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr 5 Temat: Modelowanie koloru, kompresja obrazów,
Bardziej szczegółowoTeoria światła i barwy
Teoria światła i barwy Powstanie wrażenia barwy Światło może docierać do oka bezpośrednio ze źródła światła lub po odbiciu od obiektu. Z oka do mózgu Na siatkówce tworzony pomniejszony i odwrócony obraz
Bardziej szczegółowoArkadiusz Łapiński ETI V gr.9.4. Sieć neuronowa w inteligentnym pojeździe, Tribolite
Arkadiusz Łapiński ETI V gr.9.4 Sieć neuronowa w inteligentnym pojeździe, Tribolite 1 Cel: Określenie czy określony obszar jest drogą (betonową) czy nie. Główne cechy: wykorzystuje kamerę (przechwytującą
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015
Ćwiczenia z grafiki komputerowej 5 FILTRY Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 12 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadanie ilustruje
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoPrzetwarzanie obrazów Grafika komputerowa. dr inż. Marcin Wilczewski 2016/2017
Przetwarzanie obrazów Grafika komputerowa dr inż. Marcin Wilczewski 216/217 1 Zagadnienia, wykład, laboratorium Wykład: Reprezentacja danych multimedialnych na przykładzie obrazów cyfrowych oraz wideo.
Bardziej szczegółowoMarcin Wilczewski Politechnika Gdańska, 2013/14
Algorytmy graficzne Marcin Wilczewski Politechnika Gdańska, 213/14 1 Zagadnienia, wykład, laboratorium Wykład: Światło i barwa. Modele barw. Charakterystyki obrazu. Reprezentacja i opis. Kwantyzacja skalarna
Bardziej szczegółowoKurs grafiki komputerowej Lekcja 2. Barwa i kolor
Barwa i kolor Barwa to zjawisko, które zachodzi w trójkącie: źródło światła, przedmiot i obserwator. Zjawisko barwy jest wrażeniem powstałym u obserwatora, wywołanym przez odpowiednie długości fal świetlnych,
Bardziej szczegółowoDetekcja twarzy w obrazie
Detekcja twarzy w obrazie Metoda na kanałach RGB 1. Należy utworzyć nowy obrazek o wymiarach analizowanego obrazka. 2. Dla każdego piksela oryginalnego obrazka pobiera się informację o wartości kanałów
Bardziej szczegółowoDo opisu kolorów używanych w grafice cyfrowej śluzą modele barw.
Modele barw Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw. Każdy model barw ma własna przestrzeo kolorów, a co za tym idzie- własny zakres kolorów możliwych do uzyskania oraz własny sposób
Bardziej szczegółowoMODELE KOLORÓW. Przygotował: Robert Bednarz
MODELE KOLORÓW O czym mowa? Modele kolorów,, zwane inaczej systemami zapisu kolorów,, są różnorodnymi sposobami definiowania kolorów oglądanych na ekranie, na monitorze lub na wydruku. Model RGB nazwa
Bardziej szczegółowoi ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk
System śledzenia oczu, twarzy i ruchów użytkownika komputera za pośrednictwem kamery internetowej i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Mirosław ł Słysz Promotor:
Bardziej szczegółowoAkademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie. Projekt. z przedmiotu Analiza i Przetwarzanie Obrazów
30 czerwca 2015 Akademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie Projekt z przedmiotu Analiza i Przetwarzanie Obrazów Wykrywanie tablic rejestracyjnych Jagieła Michał IS (GKiPO) Michał Jagieła
Bardziej szczegółowoMiejsce na naklejkę z kodem. (Wpisuje zdający przed rozpoczęciem pracy) 21 grudzień 2004. Instrukcja dla zdającego PESEL ZDAJĄCEGO
Miejsce na naklejkę z kodem (Wpisuje zdający przed rozpoczęciem pracy) PTI TORUŃ 2004 KOD ZDAJĄCEGO EGZAMIN MATURALNY Z INFORMATYKI ARKUSZ I 21 grudzień 2004 Arkusz I Czas pracy 90 minut Instrukcja dla
Bardziej szczegółowoWykrywanie twarzy na zdjęciach przy pomocy kaskad
Wykrywanie twarzy na zdjęciach przy pomocy kaskad Analiza i przetwarzanie obrazów Sebastian Lipnicki Informatyka Stosowana,WFIIS Spis treści 1. Wstęp... 3 2. Struktura i funkcjonalnośd... 4 3. Wyniki...
Bardziej szczegółowoPhotoshop. Podstawy budowy obrazu komputerowego
Photoshop Podstawy budowy obrazu komputerowego Wykład 1 Autor: Elżbieta Fedko O czym dzisiaj będziemy mówić? Co to jest grafika komputerowa? Budowa obrazu w grafice wektorowej i rastrowej. Zastosowanie
Bardziej szczegółowoGrenlandia się topi badanie rozkładu kątów pomiędzy strumykami na lądolodzie na podstawie analizy obrazu
Grenlandia się topi badanie rozkładu kątów pomiędzy strumykami na lądolodzie na podstawie analizy obrazu Małgorzata Bąk, Marcin Byra, Filip Chudzyński, Marcin Osiekowicz Opiekun: dr hab. Piotr Szymczak
Bardziej szczegółowoJaki kolor widzisz? Doświadczenie pokazuje zjawisko męczenia się receptorów w oku oraz istnienie barw dopełniających. Zastosowanie/Słowa kluczowe
1 Jaki kolor widzisz? Abstrakt Doświadczenie pokazuje zjawisko męczenia się receptorów w oku oraz istnienie barw Zastosowanie/Słowa kluczowe wzrok, zmysły, barwy, czopki, pręciki, barwy dopełniające, światło
Bardziej szczegółowoPodstawowa Księga Znaku wersja 2.01
Podstawowa Księga Znaku wersja 2.0 SPIS TREŚCI Znak Smart by Davis..2.3.4.5.6.7.8.9.0. Opis Konstrukcja Pole ochronne Pole minimalne Wielkości minimalne Kolorystyka Tło znaku Formy niedozwolone Typografia
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoRozpoznawanie Twarzy i Systemy Biometryczne
Filtry Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu
Bardziej szczegółowoPodstawowa Księga Znaku wersja 1.1
Podstawowa Księga Znaku wersja. Spis treści Fabrics..2.3.4.5.6.7.8.9.0. Opis Konstrukcja Pole ochronne Pole minimalne Wielkości minimalne Kolorystyka Tło znaku Formy niedozwolone Typografia Typografia
Bardziej szczegółowoOprogramowanie Systemów Obrazowania SIECI NEURONOWE
SIECI NEURONOWE Przedmiotem laboratorium jest stworzenie algorytmu rozpoznawania zwierząt z zastosowaniem sieci neuronowych w oparciu o 5 kryteriów: ile zwierzę ma nóg, czy żyje w wodzie, czy umie latać,
Bardziej szczegółowo46 Olimpiada Biologiczna
46 Olimpiada Biologiczna Pracownia statystyczno-filogenetyczna Łukasz Banasiak i Jakub Baczyński 22 kwietnia 2017 r. Statystyka i filogenetyka / 30 Liczba punktów (wypełnia KGOB) PESEL Imię i nazwisko
Bardziej szczegółowoPojęcie Barwy. Grafika Komputerowa modele kolorów. Terminologia BARWY W GRAFICE KOMPUTEROWEJ. Marek Pudełko
Grafika Komputerowa modele kolorów Marek Pudełko Pojęcie Barwy Barwa to wrażenie psychiczne wywoływane w mózgu człowieka i zwierząt, gdy oko odbiera promieniowanie elektromagnetyczne z zakresu światła
Bardziej szczegółowoGRAFIKA. Rodzaje grafiki i odpowiadające im edytory
GRAFIKA Rodzaje grafiki i odpowiadające im edytory Obraz graficzny w komputerze Może być: utworzony automatycznie przez wybrany program (np. jako wykres w arkuszu kalkulacyjnym) lub urządzenie (np. zdjęcie
Bardziej szczegółowoAnaliza i Przetwarzanie Obrazów. Szyfrowanie Obrazów. Autor : Mateusz Nawrot
Analiza i Przetwarzanie Obrazów Szyfrowanie Obrazów Autor : Mateusz Nawrot 1. Cel projektu Celem projektu jest zaprezentowanie metod szyfrowania wykorzystujących zmodyfikowane dane obrazów graficznych.
Bardziej szczegółowoSortowanie Shella Shell Sort
Sortowanie Shella Shell Sort W latach 50-tych ubiegłego wieku informatyk Donald Shell zauważył, iż algorytm sortowania przez wstawianie pracuje bardzo efektywnie w przypadku gdy zbiór jest w dużym stopniu
Bardziej szczegółowoInstytut Informatyki Uniwersytet Wrocławski. Dane w sieciach. (i inne historie) Marcin Bieńkowski
Dane w sieciach (i inne historie) Marcin Bieńkowski Jak przechowywać dane w sieciach (strony WWW, bazy danych, ) tak, żeby dowolne ciągi odwołań do (części) tych obiektów mogły być obsłużone małym kosztem?
Bardziej szczegółowoDetekcja punktów zainteresowania
Informatyka, S2 sem. Letni, 2013/2014, wykład#8 Detekcja punktów zainteresowania dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Proces przetwarzania obrazów
Bardziej szczegółowoAUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI
AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI Tomasz Huczek Promotor: dr Adrian Horzyk Cel pracy Zasadniczym celem pracy było stworzenie systemu
Bardziej szczegółowoRównoważenie obciążenia w sieci robotów internetowych. Adam Grycner, nr indeksu 209179 Łukasz Kornek, nr indeksu 209145 28 czerwca 2011
Równoważenie obciążenia w sieci robotów internetowych Adam Grycner, nr indeksu 209179 Łukasz Kornek, nr indeksu 209145 28 czerwca 2011 SPIS TREŚCI SPIS TREŚCI Spis treści 1 Opis problemu 2 1.1 Obliczanie
Bardziej szczegółowoKlasyczne zagadnienie przydziału
Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem
Bardziej szczegółowoksięga identyfikacji wizualnej
księga identyfikacji wizualnej LGD Żuławy i Mierzeja. Księga identyfikacji wizualnej A. Elementy bazowe znaku A.1 Znak firmowy: A.1.1 Wprowadzenie............................................. 3 A.1.2 Konstrukcja
Bardziej szczegółowo1.2 Logo Sonel podstawowe załoŝenia
1.2 Logo Sonel podstawowe załoŝenia Logo czyli graficzna forma przedstawienia symbolu i nazwy firmy. Terminu logo uŝywamy dla całego znaku, składającego się z sygnetu (symbolu graficznego) i logotypu (tekstowego
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.
Ćwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 14 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadania
Bardziej szczegółowoStrefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek
Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę
Bardziej szczegółowoRaytracer. Seminaria. Hotline. początkujący zaawansowani na miejscu
Seminaria początkujący zaawansowani na miejscu Hotline wsparcie techniczne +420 571 894 330 zdalne sterowanie przez Team Viewer email carat@technodat.cz Zespół Spis treści Spis treści... - 2 - Informacja...
Bardziej szczegółowoSystemy Informatyki Przemysłowej
Systemy Informatyki Przemysłowej Profil absolwenta Profil absolwenta Realizowany cel dydaktyczny związany jest z: tworzeniem, wdrażaniem oraz integracją systemów informatycznych algorytmami rozpoznawania
Bardziej szczegółowoSortowanie przez wstawianie Insertion Sort
Sortowanie przez wstawianie Insertion Sort Algorytm sortowania przez wstawianie można porównać do sposobu układania kart pobieranych z talii. Najpierw bierzemy pierwszą kartę. Następnie pobieramy kolejne,
Bardziej szczegółowoWYKŁAD 11. Kolor. fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony
WYKŁAD 11 Modelowanie koloru Kolor Światło widzialne fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony ~400nm ~700nm Rozróżnialność barw (przeciętna): 150 czystych barw Wrażenie koloru-trzy
Bardziej szczegółoworozpoznawania odcisków palców
w algorytmie rozpoznawania odcisków palców Politechnika Łódzka Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej 24 października 2008 Plan prezentacji 1 Wstęp 2 3 Metoda badań Wyniki badań
Bardziej szczegółowoZastosowanie kompresji w kryptografii Piotr Piotrowski
Zastosowanie kompresji w kryptografii Piotr Piotrowski 1 Plan prezentacji I. Wstęp II. Kryteria oceny algorytmów III. Główne klasy algorytmów IV. Przykłady algorytmów selektywnego szyfrowania V. Podsumowanie
Bardziej szczegółowo1. Pobierz i zainstaluj program w 3 krokach : 2. Wybierz produkt -> FotoAlbum (Photo Books)
1. Pobierz i zainstaluj program w 3 krokach : 2. Wybierz produkt -> FotoAlbum (Photo Books) 3. Wybór produktu w zależności od formatu, ceny : 4. Po wyborze formatu przechodzimy do okna z wyborem szablonu.
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona
Bardziej szczegółowoPolska Prezydencja w Radzie Unii Europejskiej Księga identyfikacji wizualnej - 1
Polska Prezydencja w Radzie Unii Europejskiej 2011 Księga identyfikacji wizualnej - 1 Elementy bazowe 1. Znak podstawowy / logotyp Wersja kolorowa - pozytyw / negatyw Wersje monochromatyczne - pozytyw
Bardziej szczegółowoPrzewodnik po soczewkach
Przewodnik po soczewkach 1. Wchodzimy w program Corel Draw 11 następnie klikamy Plik /Nowy => Nowy Rysunek. Następnie wchodzi w Okno/Okno dokowane /Teczka podręczna/ Przeglądaj/i wybieramy plik w którym
Bardziej szczegółowoANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU
ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU obraz dr inż. Jacek Naruniec Analiza Składowych Niezależnych (ICA) Independent Component Analysis Dąży do wyznaczenia zmiennych niezależnych z obserwacji Problem opiera
Bardziej szczegółowoWPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 5. ROZWIĄZYWANIE PROBLEMÓW Z OGRANICZENIAMI Problemy z ograniczeniami
Bardziej szczegółowoNEURAL NETWORK ) FANN jest biblioteką implementującą SSN, którą moŝna wykorzystać. w C, C++, PHP, Pythonie, Delphi a nawet w środowisku. Mathematica.
Wykorzystanie sztucznych sieci neuronowych do rozpoznawania języków: polskiego, angielskiego i francuskiego Tworzenie i nauczanie sieci przy pomocy języka C++ i biblioteki FANN (Fast Artificial Neural
Bardziej szczegółowoUrządzenia techniki komputerowej Identyfikacja i charakteryzowanie urządzeń zewnętrznych komputera. Budowa i zasada działania skanera
Urządzenia techniki komputerowej Identyfikacja i charakteryzowanie urządzeń zewnętrznych komputera Budowa i zasada działania skanera Cel zajęć W toku lekcji nauczysz się: budowy i zasad działania skanera
Bardziej szczegółowoAutomatyka i Robotyka, V rok. promotor: dr Adrian Horzyk. Kraków, 3 czerwca System automatycznego rozpoznawania
Automatyka i Robotyka, V rok Kraków, 3 czerwca 2009 promotor: dr Adrian Horzyk 1 2 i problemy 3 4 Technologie 5 Wyniki 6 Podział biometrii 7 cech opisujących parametry ludzi - A. K. Jain uniwersalność
Bardziej szczegółowoa) 7 b) 19 c) 21 d) 34
Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie
Bardziej szczegółowo8. Neuron z ciągłą funkcją aktywacji.
8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowoWrocławski Dom Literatury Księga znaku Wrocław Warszawa
Wrocławski Dom Literatury Księga znaku Wrocław Warszawa 2016 1 Księga znaku Księga znaku stanowi zbiór podstawowych elementów składających się na system identyfikacji wizualnej Wrocławskiego Domu Literatury.
Bardziej szczegółowoInstrukcja obsługi aplikacji PQ-CONTROL
Instrukcja obsługi aplikacji PQ-CONTROL Spis treści 1. Wprowadzenie... 3 1.1. Wymagania sprzętowe... 3 1.2. Objaśnienia... 3 1.3. Instalacja aplikacji... 3 1.4. Logowanie i wybór języka... 4 1.5. Widok
Bardziej szczegółowoSieci neuronowe w Statistica
http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej
Bardziej szczegółowoPodstawowe moduły układów cyfrowych układy sekwencyjne cz.2 Projektowanie automatów. Rafał Walkowiak Wersja /2015
Podstawowe moduły układów cyfrowych układy sekwencyjne cz.2 Projektowanie automatów synchronicznych Rafał Walkowiak Wersja.2 24/25 UK Funkcje wzbudzeń UK Funkcje wzbudzeń Pamieć Pamieć UK Funkcje wyjściowe
Bardziej szczegółowoKRYPTOGRAFIA I OCHRONA DANYCH PROJEKT
KRYPTOGRAFIA I OCHRONA DANYCH PROJEKT Temat: Zaimplementować system kryptografii wizualnej http://www.cacr.math.uwaterloo.ca/~dstinson/visual.html Autor: Tomasz Mitręga NSMW Grupa 1 Sekcja 2 1. Temat projektu
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
Bardziej szczegółowoSamochodowy system detekcji i rozpoznawania znaków drogowych. Sensory w budowie maszyn i pojazdów Maciej Śmigielski
Samochodowy system detekcji i rozpoznawania znaków drogowych Sensory w budowie maszyn i pojazdów Maciej Śmigielski Rozpoznawanie obrazów Rozpoznawaniem obrazów możemy nazwać proces przetwarzania i analizowania
Bardziej szczegółowoPython: JPEG. Zadanie. 1. Wczytanie obrazka
Python: JPEG Witajcie! Jest to kolejny z serii tutoriali uczący Pythona, a w przyszłości być może nawet Cythona i Numby Jeśli chcesz nauczyć się nowych, zaawansowanych konstrukcji to spróbuj rozwiązać
Bardziej szczegółowoSZWAJCARIA KASZUBSKA. Podstawowa Księga Znaku. Arp Studio s.c arpstudio.pl
Arp Studio s.c. 226160357 arp@arpstudio.pl arpstudio.pl SZWAJCARIA KASZUBSKA Podstawowa Księga Znaku Europejski Fundusz Rolny na rzecz Rozwoju Obszarów Wiejskich: Europa inwestująca w obszary wiejskie.
Bardziej szczegółowoSpis treści. Adobe Photoshop lab. 2 Jacek Wiślicki,
Spis treści 1. Napisy...2 1.1. Stara maszyna do pisania...2 1.2. Zamrożony napis...3 1.3. Krwawy tekst...5 1.4. Neon...7 1.5. Kamień...8 1.6. Inny kamień...9 1.7. Śnieg...9 strona 1 z 12 1. Napisy Poniższe
Bardziej szczegółowoKorzystanie z efektów soczewek
Korzystanie z efektów soczewek Witamy w programie Corel PHOTO-PAINT, wszechstronnym programie do edytowania obrazków w postaci map bitowych, który umożliwia retuszowanie istniejących już zdjęć oraz tworzenie
Bardziej szczegółowoSPOTKANIE 2: Wprowadzenie cz. I
Wrocław University of Technology SPOTKANIE 2: Wprowadzenie cz. I Piotr Klukowski Studenckie Koło Naukowe Estymator piotr.klukowski@pwr.edu.pl 17.10.2016 UCZENIE MASZYNOWE 2/27 UCZENIE MASZYNOWE = Konstruowanie
Bardziej szczegółowoWYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO. Stanisław Kowalik (Poland, Gliwice)
WYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Stanisław Kowalik (Poland, Gliwice) 1. Wprowadzenie Wstrząsy podziemne i tąpania występujące w kopalniach
Bardziej szczegółowoUWAGA. Wszystkie wyniki zapisywać na dysku Dane E: Program i przebieg ćwiczenia:
Cel ćwiczenia: Zapoznanie się z. metodami badania i analitycznego wyznaczania parametrów dynamicznych obiektów rzeczywistych na przykładzie mikrotermostatu oraz z metodami symulacyjnymi umożliwiającymi
Bardziej szczegółowoUczenie sieci neuronowych i bayesowskich
Wstęp do metod sztucznej inteligencji www.mat.uni.torun.pl/~piersaj 2009-01-22 Co to jest neuron? Komputer, a mózg komputer mózg Jednostki obliczeniowe 1-4 CPU 10 11 neuronów Pojemność 10 9 b RAM, 10 10
Bardziej szczegółowoPL B1. DRUKARNIA CZĘSTOCHOWSKIE ZAKŁADY GRAFICZNE SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, Częstochowa, PL
PL 225078 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 225078 (13) B1 (21) Numer zgłoszenia: 410761 (51) Int.Cl. B41M 3/14 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22) Data zgłoszenia:
Bardziej szczegółowoKomunikacja Człowiek-Komputer
Komunikacja Człowiek-Komputer Kolory Wojciech Jaśkowski Instytut Informatyki Politechnika Poznańska Wersja: 4 listopada 2013 Światło Źródło: Practical Colour management R. Griffith Postrzegany kolor zależy
Bardziej szczegółowoKolory - plan treningowy. Maluj, połącz i ucz się poprzez zabawę.
Kolory - plan treningowy Maluj, połącz i ucz się poprzez zabawę MAPA PLANU TRENINGOWEGO: Malujemy! Uczymy się! Znajdź mnie! Połącz elementy! Idziemy! ĆWICZONE UMIEJĘTNOŚCI: różnicowanie kolorów grafomotoryka
Bardziej szczegółowoZostanie przeprowadzona sekwencja uruchamiania drukarki, a następnie pojawi się opcja Menu konfiguracji.
Strona 1 z 7 Jakość wydruku Wiele problemów z jakością wydruku można rozwiązać, wymieniając zużyte materiały eksploatacyjne lub elementy zestawu konserwacyjnego. Sprawdź, czy na panelu operacyjnym drukarki
Bardziej szczegółowoSzczegółowy opis przedmiotu zamówienia
Załącznik nr 1 do ogłoszenia/umowy. Szczegółowy opis przedmiotu zamówienia 1 Przedmiotem zamówienia jest zakup 3 szt. aparatów cyfrowych wraz z dodatkowym wyposażeniem. 2 Wykaz asortymentowy Lp. Nazwa
Bardziej szczegółowoAlgorytm do rozpoznawania człowieka na podstawie dynamiki użycia klawiatury. Paweł Kobojek, prof. dr hab. inż. Khalid Saeed
Algorytm do rozpoznawania człowieka na podstawie dynamiki użycia klawiatury Paweł Kobojek, prof. dr hab. inż. Khalid Saeed Zakres pracy Przegląd stanu wiedzy w dziedzinie biometrii, ze szczególnym naciskiem
Bardziej szczegółowo#UczymyDzieciProgramować #ZadanieWprogramie
Temat : Dzień Dziecka z Ozobotami Wiek: edukacja przedszkolna, edukacja wczesnoszkolna Autor: Anna Świć Czas trwania: 30-60 min (uzależniony od wieku, możliwości rozwojowych grupy oraz jej liczebności)
Bardziej szczegółowozna wybrane modele kolorów i metody transformacji między nimi zna podstawowe techniki filtracji liniowej, nieliniowej dla obrazów cyfrowych
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Wydział Matematyki i Informatyki Instytut Informatyki Przetwarzanie i analiza obrazów cyfrowych w
Bardziej szczegółowo#UczymyDzieciProgramować #ZadanieWprogramie
Temat : Droga do ochrony środowiska Wiek: edukacja przedszkolna, edukacja wczesnoszkolna Autor: Anna Świć Czas trwania: 60 min (uzależniony od wieku, możliwości rozwojowych grupy oraz jej liczebności)
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów. Karol Czapnik
Cyfrowe Przetwarzanie Obrazów Karol Czapnik Podstawowe zastosowania (1) automatyka laboratoria badawcze medycyna kryminalistyka metrologia geodezja i kartografia 2/21 Podstawowe zastosowania (2) komunikacja
Bardziej szczegółowoGRAFIKA RASTROWA. WYKŁAD 1 Wprowadzenie do grafiki rastrowej. Jacek Wiślicki Katedra Informatyki Stosowanej
GRAFIKA RASTROWA WYKŁAD 1 Wprowadzenie do grafiki rastrowej Jacek Wiślicki Katedra Informatyki Stosowanej Grafika rastrowa i wektorowa W grafice dwuwymiarowej wyróżnia się dwa rodzaje obrazów: rastrowe,
Bardziej szczegółowoOptymalizacja optymalizacji
7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja
Bardziej szczegółowoPlatformy bezzałogowe jako element sieciocentrycznego systemu dowodzenia
Platformy bezzałogowe jako element sieciocentrycznego systemu dowodzenia dr inż. Mikołaj Sobczak sobczak@mobile.put.poznan.pl Mobilny system sieciocentryczny BSP BURZYK BSP BURZYK SYSTEM ŁĄCZNOŚCI PODSYSTEM
Bardziej szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 7
7. NORMALIZACJA I BINARYZACJA ADAPTATYWNA 7.1. Normalizacja lokalna Zwykłe konwolucje działają w jednakowy sposób na całym obrazie. Plugin Local Normalization przeprowadza filtrowanie Gaussa w zależności
Bardziej szczegółowoWykład 8. Testowanie w JEE 5.0 (1) Autor: Zofia Kruczkiewicz. Zofia Kruczkiewicz
Wykład 8 Testowanie w JEE 5.0 (1) Autor: 1. Rola testowania w tworzeniu oprogramowania Kluczową rolę w powstawaniu oprogramowania stanowi proces usuwania błędów w kolejnych fazach rozwoju oprogramowania
Bardziej szczegółowobudowa i zasady użycia logo Fundacji Orange
budowa i zasady użycia 1 budowa i kolorystyka 1.1 A B logo Orange deskryptor Podstawowy znak Fundacji Orange składa się z logotypu Orange i deskryptora: Fundacja Orange, umieszczonego z prawej strony.
Bardziej szczegółowoOFERTA STOŁY Z BLATAMI TOPALIT
OFERTA STOŁY Z BLATAMI TOPALIT Staramy się aby sprzedawane przez nas produkty były w atrakcyjnych cenach. Jeżeli znajdziesz produkt o identycznych parametrach jak w naszej ofercie, ale w niższej cenie
Bardziej szczegółowoKolekcja prac KOMPUTEROWE PRZETWARZANIE WIEDZY
Kolekcja prac KOMPUTEROWE PRZETWARZANIE WIEDZY Politechnika Wrocławska, 2011 Spis treści R O Z D Z I A Ł 1 ODNAJDOWANIE TEKSTU NA MAPACH (NAZWY GEOGRAFICZNE NA SKANACH MAP) Z. Pietrowska, M. Puchalska,
Bardziej szczegółowoKSIĘGA IDENTYFIKACJI WIZUALNEJ INIG-PIB EDYCJA IV XI 2013
KSIĘGA IDENTYFIKACJI WIZUALNEJ INIG-PIB EDYCJA IV XI 2013 1.1. Logotyp wersja podstawowa Logotyp jest głównym elementem tożsamosci wizualnej. Logotyp to forma graficzna będąca interpretacją brzmienia nazwy
Bardziej szczegółowoCel - Shading. Krzysztof Balonek, Sławomir Gozdur. 6 lipca WFiIS, Informatyka Stosowana, IV rok
WFiIS, Informatyka Stosowana, IV rok 6 lipca 2010 Spis Treści 1 2 3 4 5 6 7 Cel-shading (także: toon shading) - rodzaj niefotorealistycznej techniki renderowania. Efekt pojawił się stosunkowo niedawno
Bardziej szczegółowoOBLICZENIA ZA POMOCĄ PROTEIN
OBLICZENIA ZA POMOCĄ PROTEIN KODOWANIE I PRZETWARZANIE INFORMACJI W ORGANIZMACH Informacja genetyczna jest przechowywana w DNA i RNA w postaci liniowych sekwencji nukleotydów W genach jest przemieniana
Bardziej szczegółowoGrafika na stronie www
Grafika na stronie www Grafika wektorowa (obiektowa) To grafika której obraz jest tworzony z obiektów podstawowych najczęściej lini, figur geomtrycznych obrazy są całkowicie skalowalne Popularne programy
Bardziej szczegółowoIdentyfikacja wizualna. Sierpień 2017 r.
Identyfikacja wizualna Sierpień 2017 r. Wprowadzenie Niniejsze opracowanie podaje zasady stosowania obowiązującego znaku graficznego Fundacji Evangelium Vitae. Celem opracowania jest uporządkowanie zagadnień
Bardziej szczegółowoSztuczne sieci neuronowe Ćwiczenia. Piotr Fulmański, Marta Grzanek
Sztuczne sieci neuronowe Ćwiczenia Piotr Fulmański, Marta Grzanek Piotr Fulmański 1 Wydział Matematyki i Informatyki, Marta Grzanek 2 Uniwersytet Łódzki Banacha 22, 90-232, Łódź Polska e-mail 1: fulmanp@math.uni.lodz.pl,
Bardziej szczegółowoDr inż. Krzysztof Petelczyc Optyka Widzenia
Literatura: Dr inż. Krzysztof Petelczyc Optyka Widzenia http://webvision.med.utah.edu/book A. Valberg Light Vision Color D. Atchison, G. Smith Optics of Human eye M. Zając Optyka okularowa Plan wykładu
Bardziej szczegółowoPODSTAWY TEORII BARW
WYKŁAD 12 PODSTAWY TEORII BARW Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? Światło Przedmiot (materia) Organ wzrokowy człowieka
Bardziej szczegółowoAUDYT DOSTĘPNOŚCI STRONY INTERNETOWEJ
Poznań, 2012-10-04 AUDYT DOSTĘPNOŚCI STRONY INTERNETOWEJ NAZWA ADRES STRONY ILOŚĆ BŁĘDÓW WCAG 33 ILOŚĆ OSTRZEŻEŃ WCAG 3 TYP DOKUMENTU UŻYTY FORMAT (X)HTML JĘZYK OWANIE STRONY Urząd Marszałkowski Województwa
Bardziej szczegółowo