Materials

Slides


AlexNet, ZFNet, ResNet

Face Detection/OpenCV C++
Face Detection/OpenCV Python

Parking lot detection - template
Parking lot training data
Dlib - Parking lot + training data
HOG - Parking lot

  1. - Seznámení se s kostrou detektoru (načtení obrazu parkoviště, načtení souřadnic parkovacích míst, zobrazení jednotlivých parkovacích míst).
  2. - Využití detekce hran v rozpoznání (zamyslete se nad pokračováním, jak vhodně uložit informace o hranách do vektoru příznaků).
  3. - Uložení informací o hranách do vektoru příznaků (vyzkoušení prvního detektoru obsazených/volných míst bez učitele).
  4. - Využití vícerozměrného vektoru příznaků (jak získat do vektoru příznaků detailnější informace o parkovacím místě).
  5. - Seznámení se klasifikátory v OpenCV/Dlib.
  6. - Využití klasifikátorů v rozpoznání (natrénujte klasifikátor (NN, SVM) a otestujte ho pro detekci obsazeným a volných míst).
  7. - Využití konvolučních neuronových sítí (natrénujte síť typu LeNet s různými parametry a otestujte její rychlost a přesnost.)
  8. - Experimentování s parametry konvolučních sítí (jaký vliv má velikost (dimensionalita) vektoru příznaků na dobu detekce, na dobu trénování, na kvalitu detekce?).
  9. - Využití různých typů konvolučních sítí v rozpoznání (AlexNet, ZFNet, VGGNet, GoogLeNet).
  10. - Experimentování s vytvořenými detektory (porovnání s řešeními, vytvořenými na předchozích cvičeních).
  11. - Využití hloubkových 3D senzorů (RealSense, Kinect) v rozpoznávání.
  12. - Segmentace a detekce objektů v hloubkových datech.
  13. zadani