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. Miércoles, 10am a 11am. Jueves, 11am a 12m. Viernes, 10am a 11am. 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 Proyecto Educativo PUJ El núcleo de la Comunidad Educativa Javeriana es la relación profesor-alumno.... se enmarcan en un concepto de la educación entendida como reciprocidad comunicativa, producción corporativa del saber y práxis autoformativa... Cada persona es agente de su propia formación.

5 Proyecto Educativo PUJ La relación profesor-estudiante constituye elemento esencial de la Comunidad Educativa... Ha de ser una relación honesta, equitativa, respetuosa y de mutua exigencia. En esta relación, el estudiante es el principal artífice de su formación. El profesor deberá conocer a sus estudiantes, sus posibilidades y limitaciones; estimular la participación activa de ellos en el proceso enseñanza-aprendizaje...

6 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.

7 Temas a tratar Temas Introducción a la visión artificial Representación e iluminación Taller OpenCV - ITK Transformaciones afines y de perspectiva Modelos de cámara y calibración Filtrado Taller filtrado

8 Temas a tratar Temas Histogramas, umbralización, binarización Morfología matemática Segmentación Taller segmentación Caracterización Taller caracterización

9 Talleres Taller 1 (OpenCV - ITK): lunes 31 de julio. Taller 2 (filtrado): lunes 18 de septiembre. Taller 3 (segmentación): miércoles 25 de octubre. Taller 4 (caracterización): miércoles 15 de noviembre.

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

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

12 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.

13 Proyecto final Proyecto Primera entrega: miércoles 16 de agosto. Segunda entrega: miércoles 11 de octubre. Entrega final y sustentación: miércoles 22 de noviembre. Todos los trabajos, talleres y proyecto se desarrollarán de forma individual.

14 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,...

15 Inquietudes? Sugerencias? Comentarios?...

16 Reglas de Juego Dudas, inquietudes? Atención en oficina en los horarios definidos, correo con asunto [VA] Puntualidad: clases inician a las 11:10a.m. Utilización de equipos electrónicos en el aula: Celulares en silencio, multa para el que suene!

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

18 Preguntas? Sugerencias? Comentarios?...

19 De qué trata este curso?

20 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.

21 Visión artificial

22 Visión artificial? Humano Computador

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

24 Percepción iluminación reflectancia

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

26 Fisiología del ojo

27 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

28 Fisiología del ojo

29 Fisiología del ojo

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

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

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

33 Sistema visual humano

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

35 Percepción Agudeza visual: habilidad de detectar detalles.

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

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

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

39 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

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

41 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.

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

43 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/

44 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.

45 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.

46 Visión artificial?

47 Aplicaciones Robots industriales

48 Aplicaciones Vehículos autónomos cc_load_policy=1

49 Aplicaciones Conteo de personas

50 Aplicaciones Reconocimiento de acciones

51 Aplicaciones Reconocimiento de placas de autos

52 Ejercicio inicial Escoger alguna de los siguientes noticias en visión artificial, y explorar más en detalle: - Las técnicas utilizadas. - Los tipos de tecnología utilizados. - El problema que resuelve y su impacto en la actualidad. Generar un informe escrito (mínimo 2 páginas) y enviarlo a través de la actividad en UVirtual antes del lunes 24 de julio a las 9am.

53 Ejercicio inicial 1. t-always-wins-rock-paper-scissors 2. ost-satellite-imagery-meets-big-data 3. ng-art-while-challenging-face-recognition-algor ithms 4. ird-birds-identification-using-computer-vision

54 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