ITF studiju kursi 2023/2024

Interpretācijas un klasifikācijas metode I

Pieteikties

Piektdiena/ 16:15-17:45 17:50-19:20 Sestdiena/ 9:00-10:30 10:40-12:10

Piektdiena Sestdiena

Piektdiena/ 10.02.2025. - (+), līdz 28.03. Sestdiena/ 01.03., 15.03.

150

Maģistra

3

A104

Gints Jasmonts

APRAKSTS

Mašīnmācīšanās metodes ļauj realizēt visdažādākos attēlu un video analīzes uzdevumus. Kursa ietvaros tiek apskatītas metodes, kuras tiek pielietotas mašīnmācīšanās darbplūsmu pirmsapstrādes vai pēcapstrādes posmos, lai uzlabotu precizitātes rādītājus. Kursa pirmajā daļā iekļautie attēlu morfoloģijas algoritmi ļauj modificēt attēlus, balstoties uz objektu formu. Savukārt, segmentācijas metodes ir obligāts pirmsapstrādes solis, ja tiek lietoti klasiskie, uz statistiku balstītie mašīnmācīšanas algoritmi. Teorijas lekcijās apgūtās zināšanas tiek nostiprinātas praktiski, programmējot algoritmus un izmēģinot risinājumus no Python bibliotēkām


SATURS

"1. Morfoloģiskās operācijas bināriem attēliem. Aizpildīšanas (dilation) un erozijas (erosion) operācijas. Atvēršanas un aizvēršanas operācijas, to īpašības. H/M (Hit or Miss) transformācija.

2. Kontūru detektēšana un apgabalu piepildīšana. Savienoto komponenšu

izdalīšana. Izliektu čaulu atrašana. Sašaurināšanas un paplašināšanas operācijas. Kopas skelets un tā atrašana.

3. Morfoloģiskās operācijas monohromiem attēliem. Aizpildīšanas operācija un

erozijas operācija. Atvēršanas un aizvēršanas operācijas. Morfoloģiskā

nogludināšana. Morfoloģiskais gradients. “Cilindra” transformācija.

4. Ievads attēlu segmentācijas metodēs. Sliekšņošanas metode. Globālā sliekšņa atrašana. Otsu metode. Lokālo sliekšņu noteikšanas metodes.

5. Pārtrauktību detektēšana. Gradienta operatoru un Laplasa operatora izmantošana.

6. Malu savienošana un robežu (kontūru) detektēšana. Houga transformācija.

7. Reģionu audzēšanas algoritms. Rekursīvo segmentācijas algoritmu piemēri.

Ūdenšķirtņu metode. Kustības izmantošana segmentācijas algoritmos.

8. Reprezentācija un deskriptori. Ievads attēlu klasifikācijā un objektu atpazīšanā. ktuvāko kaimiņu metode pikseļu un attēlu reģionu klasifikācijai."


Share by: