Visión Artificial. Andrea Rueda. Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas

Transcripción

1 Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas

2 Profesora Andrea Rueda Ed. José Gabriel Maldonado, S.J., 3er piso, Departamento de Ingeniería de Sistemas. Martes, 3pm a 5pm. Miércoles, 10am a 11am. Jueves, 11am a 12m. Contacto: rueda-andrea@javeriana.edu.co correos deben incluir en el asunto [VA], si no, se asumen como no recibidos.

3 Curso Página del curso: sophia.javeriana.edu.co/~rueda andrea/visartif Programa del curso, planeación de sesiones, notas. Diapositivas contenidos, enunciados talleres, proyecto. Página del curso en Uvirtual: uvirtual.javeriana.edu.co Enunciado, envío de talleres. Envío entregas proyecto.

4 Metodología Clases magistrales (presentación de temas). Talleres de aplicación de conceptos. Evaluación: proyecto final. Trabajo individual: Tareas y ejercicios. Preparación de clases. Preparación de talleres. Proyecto.

5 Temas a tratar Semana Temas 1 Introducción a la visión artificial 2 Representación e iluminación 3 Taller OpenCV - ITK 4 Transformaciones afines y de perspectiva 5 Primer entrega proyecto 6 Modelos de cámara y calibración 7,8 Filtrado 9 Histogramas, umbralización, binarización

6 Temas a tratar Semana Temas 10 Morfología matemática 11 Segmentación 12 Segunda entrega proyecto 13 Segmentación 14 Taller segmentación 15,16 Caracterización 17 Taller caracterización 18 Entrega final proyecto

7 Sesión de clase Presentación de tema: 1h30 exposición 1h30 exploración práctica. Taller: sesión entera para su desarrollo. Entregas proyecto: exposiciones individuales con comentarios.

8 Talleres Taller 1 (OpenCV - ITK): viernes 12 de febrero. Taller 2 (segmentación): viernes 6 de mayo. Taller 3 (caracterización): viernes 27 de mayo.

9 OpenCV Open Source Computer Vision Library: Librería optimizada para aplicaciones de visión por computador y aprendizaje de máquina.

10 ITK Insight Toolkit: Extensa librería con herramientas para el análisis y procesamiento de imágenes.

11 Proyecto final Objetivo: aplicar los conocimientos adquiridos en el curso a la resolución de un problema de la vida real. Qué tipo de problemas? Control de calidad: detectar fallas en objetos. Clasificación: asignar etiquetas a objetos. Conteo: estimar cantidades de objetos. Caracterización: estimar la forma (geométrica o topológica) de un objeto. Requiere: entorno bien acotado.

12 Proyecto final Proyecto Primera entrega: viernes 26 de febrero. Segunda entrega: viernes 22 de abril. Entrega final y sustentación: viernes 3 de junio. Todos los trabajos, talleres y proyecto se desarrollarán de forma individual.

13 Recomendaciones Dedicación, trabajo honesto y sincero. Rigor y formalidad propios del trabajo en Ingeniería. Siempre usar citaciones y referencias pertinentes de los medios consultados. Puntualidad en las clases. Intuición, recursividad, inquietud por aprender. Aprovechar los medios de contacto ante cualquier inquietud, sugerencia, problema,...

14 Inquietudes? Sugerencias? Comentarios?...

15 De qué trata este curso?

16 De qué trata este curso? No es sólo un curso teórico de imágenes. No es sólo un curso de programación (OpenCV). Conceptos básicos de visión artificial (por computador) para incentivar la exploración individual.

17 Visión artificial

18 Visión artificial? Humano Computador

19 Visión artificial? Humano: la visión le permite percibir y comprender el entorno que lo rodea. Computador:

20 Percepción iluminación reflectancia

21 Percepción dot-color.com/2013/07/16/how-much-color-gamut-do-displays-really-need-part-2how-we-perceive-color/

22 Fisiología del ojo

23 Fisiología del ojo Esclerótica Córnea 3.Pupila 4.Cristalino 5.Iris 6.Cuerpo ciliar 4 7.Coroides 5 8.Retina 6 9.Fóvea Nervio óptico

24 Fisiología del ojo

25 Fisiología del ojo

26 Fisiología del ojo askabiologist.asu.edu/rods-and-cones

27 Sistema visual humano wine4soul.files.wordpress.com/2012/10/visual_pathway.jpg

28 Sistema visual humano wine4soul.files.wordpress.com/2012/10/visual-cortex.jpg

29 Sistema visual humano

30 Percepción Contraste: cambio local en la iluminación. Para la misma percepción, mayor iluminación requiere mayor contraste (depende del entorno).

31 Percepción Agudeza visual: habilidad de detectar detalles.

32 Percepción Ilusiones ópticas: el cerebro genera una percepción que no coincide con la realidad. Ilusiones fisiológicas: excesiva estimulación.

33 Percepción Ilusiones ópticas: el cerebro genera una percepción que no coincide con la realidad. Ilusiones cognitivas: interacción con supuestos. Ilusiones ambiguas

34 Percepción Ilusiones ópticas: el cerebro genera una percepción que no coincide con la realidad. Ilusiones cognitivas: interacción con supuestos. Ilusiones geométricas (distorsión)

35 Percepción Ilusiones ópticas: el cerebro genera una percepción que no coincide con la realidad. Ilusiones cognitivas: interacción con supuestos. Ilusiones paradójicas eption-and-its-inspirations-escher-dali-and-yoga-vasistha

36 Percepción Agrupamiento perceptual: agregación de elementos en grupos con significado (Leyes o principios de la Gestalt).

37 Visión artificial? Humano: la visión le permite percibir y comprender el entorno que lo rodea. Computador: duplicar el efecto de la visión humana: electrónicamente percibir y comprender una imagen.

38 Por qué es difícil? Pérdida de información (3D 2D) Propiedades geométricas aproximadas por un modelo de proyección en perspectiva.

39 Por qué es difícil? Interpretación Conocimiento previo y contexto facilitan el entendimiento. co/2011/02/valentines-dayhttp://hills-church.org/2012/10/29/incelebration-2011_14.html memoriam-margaret-mollie-moose/ le-birthday-candle-drawing/

40 Por qué es difícil? Ventana local vs. visión global El contexto es necesario para comprender lo que se ve. Sonka, Hlavac, Boyle. Image processing, analysis, and machine vision, 3rd ed. Thomson Learning, 2008.

41 Por qué es difícil? Ventana local vs. visión global El contexto es necesario para comprender lo que se ve. Sonka, Hlavac, Boyle. Image processing, analysis, and machine vision, 3rd ed. Thomson Learning, 2008.

42 Visión artificial?

43 Aplicaciones Robots industriales

44 Aplicaciones Vehículos autónomos cc_load_policy=1

45 Aplicaciones Conteo de personas

46 Aplicaciones Reconocimiento de acciones

47 Aplicaciones Reconocimiento de placas de autos

48 Ejercicio inicial 1. t-always-wins-rock-paper-scissors 2. ost-satellite-imagery-meets-big-data 3. ing-art-while-challenging-face-recognition-alg orithms 4. ird-birds-identification-using-computer-vision

49 Referencias R.C. González, R.E. Woods. Digital Image Processing, 3rd edition. Pearson Prentice Hall, M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis, and Machine Vision, 3rd edition. Thomson Learning, en.wikipedia.org/wiki/computer_vision