画像およびビデオ分析。 画像のセグメンテーション

本日、Yandex Data Analysis School、JetBrains、CS-clubの共同イニシアチブで作成された、サンクトペテルブルクのコンピューターサイエンスセンターでNatalya Vasilyevaが実施したコース「Image and Video Analysis」の8回目の講義を公開します。







合計で、このプログラムには9つの講義があり、そのうちのすでに公開されています

1. コース「画像およびビデオ分析」の概要 。
2. 空間および周波数画像処理の基礎 ;
3. 形態学的画像処理 ;
4. 特性評価と画像比較：グローバル属性 ;
5. 標識の構築と画像比較：ローカル標識 ;
6. 画像で検索します。 あいまいな重複を検索します。
7. 画像およびビデオ分析。 画像分類とオブジェクト認識 。

カットの下に、新しい講義計画とスライドがあります。







認識されるオブジェクトとは何ですか。



セグメンテーションとは：

• セグメンテーションが使用される場合。
• セグメンテーションサブタスク。

「コミュニティ」の可能な基準：

• セグメンテーション方法の分類。
• 「コミュニティ」の基準。 色;
• 「コミュニティ」の基準。 テクスチャ;
• 「コミュニティ」の基準。 輪郭に対する位置。
• 「コミュニティ」の基準。 動き、動き;
• 「コミュニティ」の基準。 深さ
• 「コミュニティ」の基準。 グローバル。

数学モデル：

• クラスタリングの使用。
• クラスタリング

K平均法。 主なアイデア：

• k-meansメソッド。 アルゴリズム
• K平均法：ステップ1。
• K平均法：ステップ2。
• K平均法：ステップ3。
• K平均法：ステップ4。
• K平均法：ステップ5。
• k-means法によるセグメンテーション。

空間情報の追加：

• k-Means：長所と短所;
• 画像セグメンテーションの平均シフト。
• 平均シフトアルゴリズム。
• 平均シフトクラスタリング/セグメンテーション;
• 平均シフト;
• 平均シフトクラスタリング;
• 平均シフトセグメンテーションの結果。
• より多くの結果;
• 平均シフト：長所と短所。
• 確率的クラスタリング;
• 期待値最大化（EM）。

階層的クラスタリング：

• メトリック空間のモデル。
• グラフを使用したモデリング。
• 自動グラフカット。
• グラフカットによるセグメンテーション;
• 最小カット;
• ただし、最小カットが常に最適なカットであるとは限りません。
• 正規化されたカット。

セグメンテーションの例：

• グラフの使用。
• 2-Dラティスの使用。
• 数学モデル;
• トップダウンセグメンテーション方法。
• 変形可能な輪郭;
• パラメータ化;
• 回路のエネルギーを設定します。
• 最適化;
• バークレーセグメンテーションデータセット[BSDS]。