PROF. HEMERSON PISTORI
  • Home
  • Students
  • PRODUCTS
    • Papers
    • Patents/Software
    • Datasets
  • Projects
  • Hints
  • News

Minicurso Superpixel e Aprendizagem Profunda

SLIDES OPEN OFFICE  E LINKS PARA OS VÍDEOS NO YOUTUBE)
  • Introdução à Visão Computacional: Slides e Vídeo
  • Espaços de Cores: Slides e Vídeo
  • Superpixel com SLIC: Slides e Vídeo
  • Suavização e Convolução: Slides e Vídeo
  • Extração de Atributos com Filtros de Gabor e Convolução: Slides e Vídeo
  • Aprendizagem Supervisionada com KNN: Slides e Vídeo
  • Aprendizagem Supervisionada com Perceptron: Slides e Vídeo
  • Descida de Gradiente: Slides e Vídeo
  • Redes Convolucionais Profundas: Slides e Vídeo
  • Outros Vídeos sobre Visão Computacional

CÓDIGOS-FONTE DE EXEMPLO
​
  • PYTHON-SUPERPIXEL - Permite brincar em tempo real com os parâmetros do SLIC (acesso sob demanda - com senha - GIT-INOVISÃO)
  • PYNOVISÃO - Integração de Superpixel e Aprendizagem Automática (acesso sob demanda - com senha - GIT-INOVISÃO)
  • CNN_KERAS - Modelo para aplicação de diferentes CNNs com Keras e Tensorflow (Gabriel Kirsten Menezes - GITHUB) 

SOFTWARES E BANCOS DE IMAGENS  CITADOS NO CURSO (TODOS PODEM SER INSTALADOS COM APT-GET E PIP)

  • ImageJ
  • Gimp
  • Tensorflow (Usamos com Ubuntu 16.04 e Python 2.7)
  • Keras
  • Opencv (orientações de como instalar dos fontes ... se não for usar vídeo, da para instalar via apt-get também)
  • Weka
  • BOV2C

SUGESTÃO DE ROTEIRO 
​
  • Seguir a sequência de slides sugerida no início desta página (pode pular se não quiser entrar na teoria)
  • Usar PYTHON-SUPERPIXEL para experimentos com parâmetros do segmentador de superpixel SLIC
  • Explorar a Interface do PYNOVISÃO e marcar alguns superpixels das imagens com aroeira
  • Usar PYNOVISÃO para extrair atributos e gerar ARFF
  • Usar WEKA para normalizar dados e testar diferentes classificadores com o ARFF criado
  • Configurar PYNOVISÃO para usar melhor classificador encontrado
  • Usar PYNOVISÃO para classificar novas imagens ou superpixels
  • Para usar deep learning (cnn_keras) seguir orientações disponíveis no arquivo minicurso/aulaPratica.txt
         
 
Powered by Create your own unique website with customizable templates.
  • Home
  • Students
  • PRODUCTS
    • Papers
    • Patents/Software
    • Datasets
  • Projects
  • Hints
  • News