среда, 19 декабря 2012 г.

Примерно ровно год назад я делал пост относительно курса "Основы цифровой обработки сигналов, интегральные преобразования в обработке изображений", МГУ им. М.В. Ломоносова (ссылка). Читают Андрей Серджевич Крылов и Алексей Сергеевич Лукин. Курс близок к нашим дисциплинам: "Цифровые цепи и сигналы", "Цифровая обработка изображений", "Цифровая фильтрация" и некоторым другим. В этом году авторы выложили видеолекции по курсу, с которыми можно ознакомиться на его официальной странице. Удачного изучения!

Файл с результатами проверки двух практических заданий можно скачать здесь. Замечания указаны там же. Для тех кто не сдал задания (по причинам: просто не сдавал или повторил чужой код), зачет состоится в ауд. 217, второй учебный корпус, 26.12.12 в 10.15. Зачет будет проводиться в устной форме по темам представленным на странице курса (ссылка). Вопросы для подготовки здесь.
С уважением, Волохов Владимир.

P.S. Апелляции принимаются! Хотя, имхо, в этом году они не имеют смысла. Можете писать на электронную почту или в блог в комментах к этому посту.

понедельник, 29 октября 2012 г.

Начинает свою работу страница курса-факультатива "Компьютерное зрение".

В настоящем разделе размещена информация, затрагивающая литературу, ссылки, лекционный материал по тематике курса и задания к практическим работам.

Место и время проведения 

Физический факультет (1-ый учебный корпус), к. 306, каждую неделю по субботам, с 15.00 до 16.35.

Темы лекционных занятий
  1. Введение и обзор материала курса (презентация .pptxпрезентация .pdf). Tiny images - "крошки картинки" (ссылка). Awesome Terminator 2 Scenes - "сцены из потрясающего фильма Терминатор 2" (ссылка). Microsoft Kinect - "гаджет для Xbox 360" (ссылка).
  2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptxпрезентация .pdf)Awareness Test - "тест на внимательность" (ссылка).
  3. Обработка цифровых изображений в среде Matlab (презентация .pptxпрезентация .pdf). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptxпрезентация .pdfпример реализации .rar). Примеры реализации простейших алгоритмов компьютерного зрения в среде Matlab (примеры реализации .rar).
  4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptxпрезентация .pdf). Hybrid Images - "гибридные изображения" (описание).
  5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptxпрезентация .pdf).
  6. Оценка качества цифровых изображений (опционально, презентация .pptxпрезентация .pdfm-файлы .rar). Описание и Matlab-реализацию Structural SIMilarity (SSIM) index - коэффициент структурного подобия (КСП) можно найти здесь. Рекомендации ITU-R BT.500-11 Methodology for the Subjective Assessment of the Quality of Television Pictures - методология для субъективной оценки качества телевизионных изображений (ссылка). Про субъективную оценку качества можно также почитать здесь.
  7. Цвет и обработка цветных изображений (презентация .pptxпрезентация .pdf). Awareness Test - "тест на внимательность" (ссылка). Tiny images - "крошки картинки" (ссылка). Смотрим визуальные иллюзии на Planet Perplex (ссылка). Про трекинг глаз читаем здесь. Так же интересно почитать следующую книгу Yarbus Alfred L. Eye Movements and Vision. Plenum Press, 1967 (ссылка).
  8. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptxпрезентация .pdf). Примеры реализации простейших алгоритмов анализа бинарных изображений в среде Matlab (примеры реализации .rar).
  9. Алгоритмические и математические принципы систем автоматического распознавания номерных знаков (ссылкапрезентация .pptxпрезентация .pdf). Интересный алгоритм детектирования номерных знаков (ссылка). Пример реализации простого алгоритма детектирования номерных знаков в среде Matlab (ссылка).
  10. Сегментация изображений. Часть 1 (презентация .pptxпрезентация .pdf). Несколько интересных статей по теме лекции можно найти в источнике [16] (ссылка 1ссылка 2ссылка 3). Неплохая обзорная видеолекция на тему сегментации изображений и видео может быть найдена в online курсе Guillermo Sapiro "Image and video processing: From Mars to Hollywood with a stop at the hospital" (ссылка). Смотреть нужно лекцию №5, для просмотра нужна регистрация на сайте www.coursera.org.
  11. Сегментация изображений. Часть 2 (презентация .pptxпрезентация .pdf). Обзорная видеолекция на тему выделения границ и детектирования линий на изображениях может быть найдена в online курсе Guillermo Sapiro "Image and video processing: From Mars to Hollywood with a stop at the hospital" (ссылка). Смотреть нужно лекцию №5, для просмотра нужна регистрация на сайте www.coursera.org. Про детектор Кэнни читаем оригинальную статью здесь. Про детектор линейных сегментов можно найти информацию на сайте научного журнала IPOL (Image Processing On Line) по обработке и анализу изображений (ссылка). Пример заполнения аккумулятора при выполнении преобразования Хафа можно найти здесь.
  12. Машинное обучение. Часть 1 (презентация .pptxпрезентация .pdf). Про автономный вертолет читаем здесь. Законченная реализация алгоритма линейной регрессии с одной и несколькими переменными из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). С оригинальным Стэнфордским курсом по машинному обучению Andrew Ng можно ознакомиться здесь или здесь. Неплохо написанную книжку по машинному обучению Stephen Marsland "Machine Learning: An Algorithmic Perspective" можно скачать здесь. Эта книга хорошо подходит для понимания базовых концепций в данной области. В ней есть примеры реализации алгоритмов машинного обучения на языке Python. Рекомендую ознакомиться с книжкой написанной Александром Борисовичем Мерковым (к.т.н., сотрудник Института системного анализа РАН) "Введение в методы статистического обучения" (ссылка). Книга написана просто, доступно и дает хороший обзор современных методов распознавания. Также рекомендуется ознакомиться с отечественным профессиональным информационно-аналитическим ресурсом, который посвящен машинному обучению, распознаванию образов и интеллектуальному анализу данных (ссылка).
  13. Машинное обучение. Часть 2 (презентация .pptxпрезентация .pdf). Законченная реализация алгоритма логистической регрессии с регуляризацией и без нее из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
  14. Машинное обучение. Часть 3 (презентация .pptxпрезентация .pdf). Законченная реализация алгоритма логистической регрессии с регуляризацией и нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Обращаю внимание на то, что в предложенной реализации по умолчанию используется только 5000 тренировочных примеров (вместо изначальных 60000) из базы данных MNIST, а также на то, что тестирование рассматриваемых алгоритмов осуществляется на примерах, которые использовались на этапе обучения. Поэтому сравнить полученные результаты с уже имеющимися на аналогичной базе данных (ссылка) нельзя! Несколько баз данных для обучение, в том числе MNIST (в удобном, родном для Matlab формате mat) можно найти здесь. Интересно почитать следующую статью про сверточную нейронную сеть LeNet 5 (ссылка).
  15. Машинное обучение. Часть 4 (презентация .pptxпрезентация .pdf). Законченная реализация алгоритма обучения нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Автономное вождение / проект ALVINN (видео позаимствовано из курса Andrew Ng "Machine Learning" на www.coursera.org). 
  16. Машинное обучение. Часть 5 (презентация .pptxпрезентация .pdf). Пример законченного кода для самостоятельного исследования по регуляризованной линейной регрессии, а также таких понятий как смещение и дисперсия из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
  17. Детектирование лиц на основе алгоритма Виола / Джонса (презентация .pptxпрезентация .pdf). Ссылка на статью Viola P., Jones M. Robust Real-time Object Detection // Int. J. Computer Vision. 2004. V. 57, 2. P. 137–154 (ссылка).
  18. Анализ главных компонент. Распознавание лиц. Ссылка на статью Turk M., Pentland А. Eigenfaces for Recognition // Journal of Cognitive neuroscience. 1991. V. 3, №1. P. 73–86 (ссылка). Ссылка на копию оригинальной статьи К. Пирсона 1901 г., в которой был предложен анализ главных компонент (ссылка). Пример законченного кода для самостоятельного исследования по анализу главных компонент, а также метода K-средних из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Дополнительно про анализ главных компонент и другие методы сокращения размерности можно почитать в книге Stephen Marsland "Machine Learning: An Algorithmic Perspective" (ссылка).
Практические задания
  1. Фильтрация изображений (описание .pdfизображения .rar).
  2. Цифровая хроматография изображений Российской Империи, полученных С.М. Прокудиным-Горским (описание .pdfизображения .rar).
  3. Простой алгоритм распознавания номерных знаков (описание .pdfтестовые изображения .rarизображения эталонов цифр .rar).
Дополнительные материалы
  1. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
  2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 (ссылка).
  3. Конушин А. и др. Курс "Введение в компьютерное зрение", 2010. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  4. Конушин А. и др. Курс "Введение в компьютерное зрение", 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  5. Конушин А. и др. Курс "Введение в компьютерное зрение", 2012. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  6. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
  7. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
  8. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
  9. Darrell T. Computer Vision (CS 280), 2009. University of California, Berkeley (ссылка).
  10. Duraiswami R. Fundamentals of Computer Vision (CMSC 828d), 2000 / Computer Vision (CMSC 426), 2005. UMIACS (ссылка). 
  11. Torralba A. Advances in Computer Vision (6.869), 2010. Massachusetts Institute of Technology (ссылка).
  12. Ng A. Machine Learning (CS 229), 2009. Stanford University (ссылка 1, ссылка 2).
  13. Конушин A. Семантическая классификация изображений (видеолекции), 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
  14. Ерухимов В. Компьютерное зрение и библиотека OpenCV (видеолекции), 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
  15. Конушин А. Курсы "Введение в компьютерное зрение" и "Доп. главы компьютерного зрения" (видеолекции), 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  16. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
  17. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
  18. Efros A. Computational Photography (15-463 / 15-862), 2010. Carnegie Mellon University (ссылка).
  19. Сайт научного журнала IPOL (Image Processing On Line) по обработке и анализу изображений (ссылка).
  20. Pattern Analysis, Statistical Modeling and Computational Learning Visual Object Classes Challenge (ссылка).
Online курсы

Информация по наиболее интересным online курсам приведена в первой презентации. Напоминаю, что с прошлого года ряд западных университетов начал практику создания online курсов (www.coursera.orgwww.udacity.org) по различным дисциплинам. Например, "Искусственный интеллект", "Машинное обучение", "Компьютерное зрение" и т.д. Для ознакомления с материалами курсов (видеолекциями, практическими заданиями и т.д.) нужна регистрация! Дополнительно необходимо отметить, что появились online лекции по курсу "Машинное обучение", читаемые сотрудниками ШАД (Школы анализа данных Яндекс). Ссылка на курс здесь.

Руководитель курса: асс. каф. ДЭС Волохов В.А.

воскресенье, 9 сентября 2012 г.

Начинает свою работу страница курса "Цифровая обработка изображений" специальности "Радиотехника".

В настоящем разделе размещена единая информация, затрагивающая лекционный материал и задания к практическим работам.

Место проведения: Физический факультет (2-ой учебный корпус), к. 217.

Время: Лекция раз в две недели по средам с 10.15 до 11.50 (знаменатель).

Темы лекционных занятий
  1. Введение и обзор материала курса (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Чудеса фотографии "Восстановление фотографического наследия С.М. Прокудина-Горского"  (ссылка1, ссылка2).
  2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Awareness Test - "тест на внимательность" (ссылка).
  3. Цифровая обработка изображений в среде Matlab (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptxпрезентация .pdfраздаточный материал .pdfпример реализации .rar).
  4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Hybrid Images - "гибридные изображения" (описание).
  5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptxпрезентация .pdfраздаточный материал .pdf).
  6. Оценка качества цифровых изображений (презентация .pptxпрезентация .pdfраздаточный материал .pdfm-файлы .rar). Описание и Matlab-реализацию Structural SIMilarity (SSIM) index - коэффициент структурного подобия (КСП) можно найти здесь. Рекомендации ITU-R BT.500-11 Methodology for the Subjective Assessment of the Quality of Television Pictures - методология для субъективной оценки качества телевизионных изображений (ссылка). Про субъективную оценку качества можно также почитать здесь.
  7. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Примеры реализации простейших алгоритмов анализа бинарных изображений в среде Matlab (примеры реализации .rar).
  8. Цвет и обработка цветных изображений (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Awareness Test - "тест на внимательность" (ссылка). Tiny images - "крошки картинки" (ссылка). Смотрим визуальные иллюзии на Planet Perplex (ссылка).
  9. Сжатие изображений. Стандарт JPEG (презентация .pptxпрезентация .pdfраздаточный материал .pdf). Хорошо написанная статья и ссылки для самостоятельного изучения по стандарту JPEG могут быть найдены здесь. Стандарт JPEG (ссылка). Также рекомендуется проанализировать источники [7, 8] в дополнительных материалах.
  10. Вопросы к зачету (вопросы .pdf).
Практические задания
  1. Фильтрация изображений (описание .pdfизображения .rar).
  2. Цифровая хроматография изображений Российской Империи, полученных С.М. Прокудиным-Горским (описание .pdfизображения .rar).
    Дополнительные материалы
    1. Peters R.A. Image Processing (EECE / CS 253) , 2007. Vanderbilt University School of Engineering (ссылка).
    2. Крылов А., Лукин А. Интегральные преобразования в обработке изображений, введение в цифровую обработку мультимедийной информации, 2011. МГУ им. М.В. Ломоносова (ссылка). Примечание: здесь можно послушать аудиозаписи лекторов, посмотреть соответствующие презентация, попробовать выполнить предлагаемые практические задания, ну и понять чему учат в МГУ по аналогичным курсам.
    3. Ватолин Д. Методы обработки и сжатия видео, 2010-2011. МГУ им. М.В. Ломоносова (ссылка).
    4. Волохов В. Курс "Цифровая обработка изображений" 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    5. Волохов В. Курс Компьютерное зрение, 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    6. Волохов В. Курс Компьютерное зрение, 2012. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    7. Приоров А.Л., Апальков И.В., Хрящев В.В. Цифровая обработка изображений: учебное пособие. - Ярославль: ЯрГУ, 2007 (ссылка).
    8. Wallace G.K. The JPEG Still Picture Compression Standard // IEEE Trans. Consumer Electronics. 1992. V. 38, №1. P. xviii - xxxiv (ссылка).
    Руководитель курса: асс. каф. ДЭС Волохов В.А.

    Начинает свою работу единая страница курсов "Цифровая фильтрация", "Основы цифровой фильтрации" и "Цифровые фильтры" специальностей "Радиофизика и электроника", "Телекоммуникации" и "Радиотехника", соответственно.

    В настоящем разделе размещена единая информация, затрагивающая в первую очередь лабораторный практикум (состоящий из 6-ти лабораторных работ, выполняемых в пакете Matlab), по указанным выше курсам. Информация по лекционному материалу и проведению итоговой аттестации может быть получена у лектора.

    Место проведения: Физический факультет (1-ый учебный корпус), к. 306.

    Время
    1. Специальность "Радиофизика и электроника" (группа РЭ-41БО) раз в две недели по средам с 16.00 до 17.35 (числитель/знаменатель разделение на подгруппы).
    2. Специальность "Телекоммуникации" (группа ТК-31БО) раз в две недели по четвергам, с 14.15 до 15.50 (числитель/знаменатель разделение на подгруппы).
    3. Специальность "Радиотехника" (группа РТ-31СО) раз в две недели по вторникам, с 12.00 до 13.35 (числитель/знаменатель разделение на подгруппы).
    Темы лабораторных работ
    1. Синтез цифровых КИХ-фильтров методом окон (описание .pdfприложение .pdf, m-файлы .rar).
    2. Синтез цифровых БИХ-фильтров методом билинейного z-преобразования (описание .pdfприложение .pdf, m-файлы .rar).
    3. Синтез оптимальных по Чебышёву КИХ-фильтров (описание .pdfприложение .pdf, m-файлы .rarмодель simulink .rar).
    4. Многоскоростная цифровая обработка сигналов (описание .pdf, m-файлы .rar).
    5. Обработка сигналов на основе вейвлет-преобразования (описание .pdf, приложение .pdfm-файлы .rar).
    6. Применение адаптивной фильтрации в обработке цифровых сигналов (описание .pdfm-файлы .rar).
    7. Список опечаток в книге Приоров А.Л., Волохов В.А., Лаврентьев А.М. Основы цифровой обработки сигналов. Лабораторный практикум.  Ярославль: ВУНЦ ВВС «ВВА им. профессора Н.Е. Жуковского и Ю.А. Гагарина» (филиал г. Ярославль), 2012 (список .pdf). Замечание: пожалуйста, в случае нахождения опечаток или неточностей в вышеозначенной книге, сообщите о них мне в комментах здесь или на электронную почту. Заранее спасибо!
    Дополнительные материалы
    1. Список рекомендуемой литературы (список .pdf).
    2. Волохов В.А. Лекция по разностным уравнениям. ЯрГУ, 2010 (описание .djvu).
    3. Хрящев В.В., Приоров А.Л., Волохов В.А. Основы теории цепей. Сборник задач. Глава 4. ЯрГУ, 2008 (описание .pdf).
    4. Волохов В.А. Синтез цифровых КИХ-фильтров методом окон. Сборник задач. ЯрГУ, 2010 (описание .pdf).
    5. Волохов В.А. Синтез цифровых БИХ-фильтров методом билинейного z-преобразования. Сборник задач. ЯрГУ, 2011 (описание .pdf).
    6. Лукин А.С., Крылов А.С. "Интегральные преобразования в обработке изображений, введение в цифровую обработку мультимедийной информации" 2011 (ссылка).
    7. Волохов В.А. Курсы "Цифровая фильтрация", "Основы цифровой фильтрации", "Цифровые фильтры" 2010 (ссылка).
    8. Волохов В.А. Курсы "Цифровая фильтрация", "Основы цифровой фильтрации", "Цифровые фильтры" 2011 (ссылка).
    9. Freeman D. Signal and Systems (6.003), 2010. Massachusetts Institute of Technology (ссылка).
    10. Lustig M. Digital Signal Processing (EE123), 2011. University of California, Berkeley (ссылка).
    11. Lustig M. Digital Signal Processing (EE123), 2012. University of California, Berkeley (ссылка).
    12. Kundur D. Real-Time Digital Signal Processing (ECEN448), 2011. Texas A&M University (ссылка).
    13. Gilbert S. Wavelets, Filter Banks and Application (18.327 / 1.130), 2003. Massachusetts Institute of Technology (ссылка).
    14. Gilbert S. Wavelets, Filter Banks and Application (18.327 / 1.130), 2004. Massachusetts Institute of Technology (ссылка). Примечание: здесь можно найти примеры Matlab-кодов по теме связанной с вейвлетами и вейвлет-преобразованием.
    15. Oppenheim A. V. Signals and Systems (6.007), 2011. Massachusetts Institute of Technology (ссылка).  Примечание: здесь можно найти видеолекции одного из ведущих специалистов в области "Цифровой обработки сигналов" - Алана Оппенгейма.
    Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при написании программной части лабораторных работ, разбор листинга языка пакета Matlab и т.п., могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

    Руководитель лабораторного практикума: асс. каф. ДЭС Волохов В.А.

    Начинает свою работу страница курса "Инженерная и компьютерная графика" направлений "Инфокоммуникационные технологии и системы связи" и "Радиотехника".

    В настоящем разделе размещена единая информация, затрагивающая лабораторный практикум (выполняемый в пакете КОМПАС-3D) и лекционный материал.

    Место проведения: Физический факультет (2-ой учебный корпус), к. 114 (лабораторный практикум), к. 217 (лекционные занятия) и 205 - "Радиотехника", 217 - "Инфокоммуникационные технологии и системы связи" (практические занятия).

    Время
    1. Направление "Инфокоммуникационные технологии и системы связи" (группа ИТС-11БО) лабораторный практикум раз в две недели по понедельникам, с 12.00 до 13.35 (числитель/знаменатель разделение на подгруппы), практические занятия раз в две недели по вторникам с 14.15 до 15.50 (числитель), лекции раз в две недели по вторникам с  14.15 до 15.50  (знаменатель).
    2. Направление "Радиотехника" (группа РТ-11БО) лабораторный практикум раз в две недели по пятницам, с  12.00 до 13.35  (числитель/знаменатель разделение на подгруппы), практические занятия раз в две недели по пятницам с 8.30 до 10.05 (числитель), лекции раз в две недели по вторникам с  14.15 до 15.50  (знаменатель).
    Темы лекционных занятий
    1. Введение. Стандарты ЕСКД по графическому оформлению конструкторской документации (материалы .rar).
    2. Метод проекций как основа построения чертежа. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 5-11.
    3. Ортогональные проекции элементарных геометрических образов. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 11-55. Более краткое изложение данной темы может быть найдено в источнике [11] на стр. 19-31.
    4. Аксонометрические проекции. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 143-154. Окружность в аксонометрии (ссылка).
    5. Изображения - виды, разрезы, сечения. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 155-170.
    6. Схемы используемые в РЭА.  Примечание: материал рассматривается в рамках источника [5] в дополнительных материалах ниже, стр. 349-355, 359-364. Распечатки к лекции частично были позаимствованы из следующей методички (ссылка).
    7. Виды и комплектность изделий и конструкторских документов. Примечание: материал рассматривается в рамках источника [7] в дополнительных материалах ниже (ГОСТ 2.101-68 - Виды изделий; ГОСТ 2.102-68 - Виды и комплектность конструкторских документов).
    8. Стадии разработки. Примечание: материал рассматривается в рамках источника [7] в дополнительных материалах ниже (ГОСТ 2.103-68 - Стадии разработки).
    9. Основы компьютерной графики (презентация .pptxпрезентация .pdf).
    10. Применение компьютерных технологий для выполнения и оформления графической конструкторской документации. Примечание: материал рассматривается в рамках задач, решаемых в лабораторном практикуме курса "Инженерная и компьютерная графика".
    Темы лабораторных работ
    1. Изучение основных приемов работы в среде КОМПАС-3D (описание и доп. материалы .rar).
    2. Построение и редактирование геометрических объектов (описание .rar).
    3. Построение третьей проекции фигуры по двум известным (описание и доп. материалы .rar). Видеоролик - создание чертежа ортогональных проекций детали в КОМПАС-3D (ссылка).
    4. Аксонометрические проекции (описание и доп. материалы .rar). Видеоролик - построение аксонометрических проекций в КОМПАС-3D (ссылка).
    5. Создание и редактирование трехмерных моделей деталей (описание и доп. материалы .rar). Видеоролик - создание трехмерной детали в КОМПАС-3D (ссылка).
    6. Создание и редактирование трехмерных моделей деталей. Сечения. Разрезы сложные (описание и доп. материалы .rar). Примечание: материал настоящей лабораторной работы рассматривается в рамках источника [9] в дополнительных материалах ниже, стр. 25-53. Видеоролик - создание трехмерной детали вала в КОМПАС-3D (ссылка 1ссылка 2). Азбука КОМПАС-3D, ЗАО АСКОН, 2010 - Урок № 2. Создание рабочего чертежа, стр. 74-91 (ссылка).
    7. Создание и редактирование сборки (описание и доп. материалы .rar)Видеоролик - создание сборки в КОМПАС-3D (ссылка 1ссылка 2ссылка 3).
    Дополнительные материалы
    1. Список рекомендуемой литературы (список .pdf).
    2. Бесплатный PDF-конвертер - doPDF (dopdf-7 .exe). Официальный сайт (ссылка).
    3. Миронов Б.Г., Панфилова Е.С. Сборник упражнений для чтения чертежей по инженерной графике: учеб. пособие для студ. учреждений сред. проф. образования. - 3-е изд., стер. - М.: Издательский центр "Академия", 2010 (ссылка).
    4. Чекмарев А.А. Задачи и задания по инженерной графике: учеб. пособие для студ. техн. спец. вузов - 2-е изд., стер. - М.: Издательский центр "Академия", 2007, стр. 2-26 (ссылка).
    5. Чекмарев А.А. Задачи и задания по инженерной графике: учеб. пособие для студ. техн. спец. вузов - 3-е изд., стер. - М.: Издательский центр "Академия", 2008. Аксонометрические проекции, стр. 34-36 (ссылка).
    6. Чекмарев А.А. Начертательная геометрия и черчение: учеб. для студ. высш. учеб. заведений. – 2-е изд., перераб. и доп. – М. Гуманит. изд. центр ВЛАДОС, 2002 (ссылка).
    7. ГОСТ «Единая система конструкторской документации». – М.: Издательство стандартов, 2001 (ссылка).
    8. Вольхин К.А. Учебные пособия: начертательная геометрия, конструкторские документы и правила их оформления, инженерная и прикладная компьютерная графика, геометрические основы построения чертежа (ссылка).
    9. Система автоматизированного проектирования bCAD-студент. ЗАО ПроПро Группа, 2004 (ссылка).
    10. Ляшков А.А., Куликов Л.К., Панчук К.Л. Сборник заданий по начертательной геометрии и инженерной графике. – Омск: ОмГТУ, 2005 (ссылка).
    11. Сараева Г.П. Графика: учеб. пос. (часть 1). – Томск: Центр учебно-методической литературы ТГПУ, 2004 (ссылка).
    Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при рассмотрении теоретических вопросов и решении задач по данному курсу, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

    Руководитель курса: асс. каф. ДЭС Волохов В.А.

    понедельник, 26 марта 2012 г.

    Поскольку на данный момент времени особый интерес у ряда студентов ЯрГУ им. П.Г. Демидова вызывает тема машинного обучения, обращаю внимание на то, что помимо онлайн курсов (ссылка 1,  ссылка 2,  ссылка 3), различных статей и книг, а также сайтов по данной тематике, существует достаточно интересный профессиональный информационно-аналитический ресурс, который затрагивает машинное обучение, а также распознавание образов и интеллектуальный анализ данных (ссылка). Особенно радует ресурс тем, что его поддерживают российские ученые и преподаватели. Дополнительно отмечу, что согласно федеральным государственным образовательным стандартам РФ курс "Машинное обучение" не существует, но интерес к данной области как у студентов вузов, так и у других людей - огромный.

    Цели указанного ресурса состоят в следующем:
    1. Сконцентрировать информацию о достижениях ведущих российских научных школ в области машинного обучения, распознавания образов, анализа данных.
    2. Способствовать обмену опытом, накоплению и распространению научных знаний в этой области.
    3. Предоставить площадку для виртуальных научных семинаров и обсуждений.
    4. Предоставить доступ к Полигону алгоритмов классификации - распределенной системе тестирования алгоритмов классификации на реальных прикладных задачах.
    В общем и целом на данном ресурсе можно найти много важной информации по статьям, конференциям, лекционному материалу, а также много полезных советов и замечаний важных с точки зрения методического изложения материала по тематике машинного обучения в отечественных вузах.

    воскресенье, 26 февраля 2012 г.

    Начинает свою работу страница курса-факультатива "Компьютерное зрение" специальности "Радиотехника".

    В настоящем разделе размещена информация, затрагивающая литературу, ссылки, лекционный материал по тематике курса и задания к практическим работам.

    Место и время проведения 

    Физический факультет (2-ой учебный корпус), к. 113, каждую неделю по понедельникам, с 12.00 до 13.35.

    Темы лекционных занятий
    1. Введение и обзор материала курса (презентация .pptx). Tiny images - "крошки картинки"  (ссылка). Awesome Terminator 2 Scenes - "сцены из потрясающего фильма Терминатор 2" (ссылка). Microsoft Kinect - "гаджет для Xbox 360" (ссылка).
    2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptx). Awareness Test - "тест на внимательность" (ссылка).
    3. Обработка цифровых изображений в среде Matlab (презентация .pptx). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptxпример реализации .rar).
    4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptx). Hybrid Images - "гибридные изображения" (описание).
    5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptx).
    6. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptxm-файлы .rar).
    7. Алгоритмические и математические принципы систем автоматического распознавания номерных знаков (ссылкапрезентация .pptx). Интересный алгоритм детектирования номерных знаков  (ссылка).
    8. Сегментация изображений и обнаружение контуров. Часть 1 (презентация .ppt).
    9. Сегментация изображений и обнаружение контуров. Часть 2 (презентация .ppt).
    10. Основные понятия распознавания образов (презентация .ppt).
    11. Нейронные сети. В основу занятия положен материал, позаимствованный из лекции № 8 онлайн курса  Ng A. Machine Learning, 2011. Stanford University (ссылка).
    12. Оптическое распознавание символов.  В основу занятия положен материал, позаимствованный из лекции № 18 онлайн курса  Ng A. Machine Learning, 2011. Stanford University (ссылка).
    13. Детектирование лиц на основе алгоритма Виола / Джонса.
    14. Анализ главных компонент. Распознавание лиц.
    Практические задания
    1. Простой алгоритм распознавания номерных знаков (описание .pdfтестовые изображения .rarизображения эталонов цифр .rar).
    Дополнительные материалы
    1. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
    2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 (ссылка).
    3. Конушин А. и др. Курс "Введение в компьютерное зрение", 2010. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
    4. Конушин А. и др. Курс "Введение в компьютерное зрение", 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
    5. Конушин А. и др. Курс "Введение в компьютерное зрение", 2012. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
    6. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
    7. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
    8. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
    9. Darrell T. Computer Vision (CS 280), 2009. University of California, Berkeley (ссылка).
    10. Duraiswami R. Fundamentals of Computer Vision (CMSC 828d), 2000 / Computer Vision (CMSC 426), 2005. UMIACS (ссылка). 
    11. Torralba A. Advances in Computer Vision (6.869), 2010. Massachusetts Institute of Technology (ссылка).
    12. Ng A. Machine Learning (CS229), 2009. Stanford University (ссылка).
    13. Конушин A. Семантическая классификация изображений, 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
    14. Ерухимов В. Компьютерное зрение и библиотека OpenCV, 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
    15. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
    16. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
    17. Efros A. Computational Photography (15-463 / 15-862), 2010. Carnegie Mellon University (ссылка).
    Online курсы

    В отдельный пункт решил вынести информацию по online курсам. Напоминаю, что с прошлого года ряд западных университетов начал практику создания online курсов по различным дисциплинам. Например, "Искусственный интеллект", "Машинное обучение" и т.д. Общая ссылка на эти курсы  вот. Более конкретные ссылки близкие к настоящему курсу представлены чуть ниже. Для ознакомления с материалами курсов (видеолекциями, практическими заданиями и т.д.) нужна регистрация!
    1. Ng A. Machine Learning, 2011. Stanford University (ссылка).
    2. Ng A. Machine Learning, 2012. Stanford University (ссылка). 
    3. Malik J. Computer Vision, 2012. Berkeley University of California (ссылка).
    4. Savarese S., Li F.-F. Computer Vision: From 3D Reconstraction to Visual Recognition. Stanford University and  University of Michigan, 2012 (ссылка). 
    Дополнительно необходимо отметить, что появились online лекции по курсу "Машинное обучение", читаемые сотрудниками ШАД (Школы анализа данных Яндекс). Ссылка на курс вот.

    Руководитель курса: асс. каф. ДЭС Волохов В.А.