Radionica za osnovce

Računalo "vidi" slike u obliku niza piknji (piksela).
Ako se radi o slici u boji, svaku piknju opisujemo s tri broja.
Ako brojeve uzete iz jedne slike umetnemo u drugu sliku, možemo dobiti zabavne efekte.
Još zabavnije je pokušati analizom brojeva skužiti što slika prikazuje. Time se bavi računalni vid.

U slijedu mikroskopskih slika potrebno je pronaći veličinu i položaj citoplazme odnosno jezgre bakterije (ta mjerenja korisna su biolozima koji prate razvoj bakterija):
Položaj citoplazme možemo odrediti binarizacijom slike: svaki piksel se postavlja na nulu odnosno jedinicu ako je veći ili manji od zadanog praga.
Sada statističkim metodama određujemo orijentaciju bakterije te nakon toga opisani pravokutnik citoplazme i položaj jezgre:
Izvor: završni rad Dražena Dostala (pdf)

Tipičan primjer jednostavnog raspoznavanja jest očitavanja rukom pisanih znamenki iz skupa MNIST. Skup sadrži 50000 znamenki koje se mogu koristiti za učenje i 10000 znamenki na kojima se provodi testiranje postupka.
U tom skupu znamenke se mogu odvojiti binarizacijom pa je jedini problem naučiti varijaciju rukopisa različitih ljudi. Taj problem danas se tipično rješava konvolucijskim neuronskim mrežama:
Točnost raspoznavanja možemo prikazati matricom zabune koja jasno pokazuje koje su greške najčešće:
1. Broj 4 klasificiran kao broj 9 (11 krivih klasifikacija).
2. Broj 6 klasificiran kao broj 0 (10 krivih klasifikacija).
3. Broj 7 klasificiran kao broj 2 (7 krivih klasifikacija).
Primjeri tri najučestalije greške: a) Broj 4 klasificiran kao 9, b) Broj 6 klasificiran kao 0, c) broj 7 klasificiran kao 2.
Izvor: diplomski rad Vedrana Vukotića (pdf)

Protokol organizacije EuroRAP zahtijeva snimanje prometnice trima kamerama:
Dobivene slike nije jednostavno pratiti pa ih je korisno spojiti u jedinstveni prikaz scene:
Određivanjem korespondentnih točaka (tj. točaka koje odgovaraju istom dijelu scene) možemo izračunati transformaciju kojom lijevu i desnu sliku transformiramo u koordinate srednje slike:
Video: spajanje, stabilizacija1, stabilizacija2.
Izvori: znanstveni radovi (pdf, pdf).

Osnovni postupak u analizi videa je praćenje značajki:
Ako računalo zna kakvom kamerom su slike pribavljene, dobiveni tragovi značajki mogu poslužiti za rekonstrukciju scene i gibanja kamere.
Video: praćenje, navigacija, parkiranje.
Izvori: znanstveni radovi (pdf, pdf).

Pronalaženje objekata u slikama je jedan od osnovnih zadataka računalnog vida.
Ako je kamera nepokretna, piksele objekta možemo pronaći usporedbom s modelom pozadine:
Inače, objekt moramo potražiti na svim mogućim lokacijama slike na način da tamo primijenimo binarni klasifikator:
Video: model pozadine, krugovi, trokuti, središna linija.
Izvori:
- natjecanje PASCAL VOC (html)
- studentski projekt 2015/16 (pdf)
- znanstveni radovi (pdf, pdf, pdf, pdf, pdf, pdf).

Ovaj zadatak sličan je pronalaženju objekata, ali ovdje nas ne interesira lokacija objekta, nego samo njegova prisutnost.
Odluka se može temeljiti i na "kontekstu": ako u slici ima puno trave, prije će biti da se radi o kravi nego o automobilu.
Ovakve metode temelje se na reprezentaciji slike vrećom vizualnih riječi:
Izvori:
- ilustracija klasifikacije slika vrećom vizualnih riječi: (html)
- znanstveni radovi (pdf, pdf).

Rekonstrukciju strukture scene i gibanja kamere posebno je prikladno provoditi sustavom od dvije kamere:
Analizom videa možemo prilično vjerno rekonstruirati gibanje kamere:
Analizom pojedinačnih parova slika možemo odrediti ravninu gibanja, pločnik i potencijalne prepreke:
Video: gibanje, struktura, struktura2.
Izvori: znanstveni radovi (pdf, pdf).

Radionica za učenike osnovnih škola