На 16.05.2018, сряда, от 18:15 до 20 часа в зала 514 на ФМИ ще се проведе семинарът "Математическо моделиране". Павлин Гюров от Sirma Computer Vision Lab ще постави интересни проблеми в рамките на доклада:
Представяне на Sirma Computer Vision Lab
Резюме:
- Представяне на Сирма Груп Холдинг – структура, водещи фирми и технологии.
- Представяне на лабораторията за компютърно зрение – проекти, продукти.
- Въведение в компютърното зрение, сравнение с компютърната графика.
- Основен работен процес в компютърното зрение – capturing, preprocessing, detection, postprocessing (classification, tracking, scene recognition, motion detection, etc.), metadata transmission.
- Компютърно зрение и машинно обучение – основни положения в машинното обучение.
- Представяне на задачите:
a. Реидентификация на хора (пешеходци) – При дадени две различни снимки (два кадъра) да се намери най-доброто съответствие между хората от първата снимки с тези от втората. Евентуален подход – „семантично анотиране“, разделяне на отделни пешеходци, хистограмен анализ на горни и долни половини, намиране на съответствието с минимална грешка
b. Намиране на отблясъци. Премахване на отблясъците от изображение. Евентуали подходи – обучение на ML-модел за откриване на отблясъците. Намиране на формите на повърхнините в съседство с отблясъка, продължаване към центъра.
c. Heatmap. Статична камера заснема сцена. По сцената се движат обекти (хора). Определяне на точните координати на обекта в двумерен план на сцената. Статистика в коя точка от плана в колко кадъра е имало човек (heatmap). Проблеми за решаване:
i. различните хора са с различен ръст.
ii. Части от хората могат да се припокриват от други обекти, което да пречи на точното определяне на точката на стъпване.
Подходи: Използване на pedestrian detector. Обучение на модел за съпоставяне на местоположението на човека на изображението с x,y координати.
d. Сегментиране на множества от вектори. Чрез използването на алгоритъм за всяко откриване на определен обект се изчислява характеристика – вектор с разчмерност N, по такъв начин, че векторите на един и същ обект са „близо“ помежду си, а на различни обекти – по-далеч. Дадено е множество от вектори. Да се направи алгоритъм, който да ги разделя на множества, така че да са по идентичност на обектите. При вече направено сегментиране и постъпването на нов вектор, да може бързо да се определи дали принадлежи към някой сегмент или формира нов.
e. Проверка за живо лице. Вход-видеострийм. Използване на фейс-детектор и проследяване на лицето/лицата в последователните кадри. Определяне с висока точност дали това е истински човек, или е снимка.
7. Въпроси и отговори.