Rendszámfelismerő rendszerek
|
|
- Lili Boros
- 8 évvel ezelőtt
- Látták:
Átírás
1 Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013
2 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek
3 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
4 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
5 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
6 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
7 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
8 Motiváció Motiváció Beléptetőrendszerek automatizálása Statisztika készítése Úthasználat kiszámítása Valós idejű forgalomirányítás Közúti szabálysértési nyomozások megkönnyítése Szúrópróbaszerű ellenőrzések
9 A probléma leírása A probléma leírása Rendszám(ok) megtalálása a képen Karakterek detektálása Karakterjellegű foltok kiszűrése (szennyeződések, hibák, matricák figyelmen kívül hagyása) Karakterek felismerése A rendszámtábla szövegének összeálĺıtása
10 A probléma leírása A probléma leírása Rendszám(ok) megtalálása a képen Karakterek detektálása Karakterjellegű foltok kiszűrése (szennyeződések, hibák, matricák figyelmen kívül hagyása) Karakterek felismerése A rendszámtábla szövegének összeálĺıtása
11 A probléma leírása A probléma leírása Rendszám(ok) megtalálása a képen Karakterek detektálása Karakterjellegű foltok kiszűrése (szennyeződések, hibák, matricák figyelmen kívül hagyása) Karakterek felismerése A rendszámtábla szövegének összeálĺıtása
12 A probléma leírása A probléma leírása Rendszám(ok) megtalálása a képen Karakterek detektálása Karakterjellegű foltok kiszűrése (szennyeződések, hibák, matricák figyelmen kívül hagyása) Karakterek felismerése A rendszámtábla szövegének összeálĺıtása
13 A probléma leírása A probléma leírása Rendszám(ok) megtalálása a képen Karakterek detektálása Karakterjellegű foltok kiszűrése (szennyeződések, hibák, matricák figyelmen kívül hagyása) Karakterek felismerése A rendszámtábla szövegének összeálĺıtása
14 Elkészült program Elkészült program Elkészült egy implementáció C#-ban Egyelőre felhasználói beavatkozást igényel Jól paraméterezett, automatizálásra alkalmas
15 Elkészült program Elkészült program Elkészült egy implementáció C#-ban Egyelőre felhasználói beavatkozást igényel Jól paraméterezett, automatizálásra alkalmas
16 Elkészült program Elkészült program Elkészült egy implementáció C#-ban Egyelőre felhasználói beavatkozást igényel Jól paraméterezett, automatizálásra alkalmas
17 A program lépései 1 Bemenet kezelése A bemeneti kép: nagy méretű, színes kép (RGB) Kicsinyítés, szürkeárnyalatossá konvertálás. Kép, mint mátrix, ahol az értékek [0, 255].
18 A program lépései 1 Bemenet kezelése A bemeneti kép: nagy méretű, színes kép (RGB) Kicsinyítés, szürkeárnyalatossá konvertálás. Kép, mint mátrix, ahol az értékek [0, 255].
19 A program lépései 1 Bemenet kezelése A bemeneti kép: nagy méretű, színes kép (RGB) Kicsinyítés, szürkeárnyalatossá konvertálás. Kép, mint mátrix, ahol az értékek [0, 255].
20 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
21 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
22 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
23 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
24 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
25 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
26 A program lépései 2 A karakterek keresése A rendszámtábla karaktereinek keresése Soronként haladva, keretet tolva adott érték fölötti intenzitáskülönbséget keresünk Hisztogramot kapunk: sorok sötét/világos váltakozások száma A kapott hisztogramból kivágjuk a megfelelő részt. A kivágott sor oszlopain keresünk tovább. Hol a rendszám? Új hisztogram készül ahol sűrű tüskéket keresünk Középről indulunk jobbra-balra, újra és újra bővítünk
27 A program lépései 3 A karakterek felfedése A szürke képből fekete-fehér,,bináris képet készítünk, a karakterek könnyebb kinyeréséhez Vágás, adott intenzitás alatt fehér, fölötte fekete Medián, Otsu-algoritmus, saját határalkotás
28 A program lépései 3 A karakterek felfedése A szürke képből fekete-fehér,,bináris képet készítünk, a karakterek könnyebb kinyeréséhez Vágás, adott intenzitás alatt fehér, fölötte fekete Medián, Otsu-algoritmus, saját határalkotás
29 A program lépései 3 A karakterek felfedése A szürke képből fekete-fehér,,bináris képet készítünk, a karakterek könnyebb kinyeréséhez Vágás, adott intenzitás alatt fehér, fölötte fekete Medián, Otsu-algoritmus, saját határalkotás
30 A program lépései 4 A karakterek kinyerése A karakterek szegmentálása, mi tartozik egybe, mi külön? Egy-egy fekete pixel megtalálása, majd innen indított rekurzív geometriai klaszterezés, amíg a kép összes fekete képpontja klaszterbe kerül
31 A program lépései 4 A karakterek kinyerése A karakterek szegmentálása, mi tartozik egybe, mi külön? Egy-egy fekete pixel megtalálása, majd innen indított rekurzív geometriai klaszterezés, amíg a kép összes fekete képpontja klaszterbe kerül
32 A program lépései 5 A karakterek szűrése A kinyert klaszterek valóban karakterek? Eldobjuk, ha 30 pixel alatti, vagy túl széles, vagy túl keskeny (ekkor az I betűk egy része is repül :) )
33 A program lépései 5 A karakterek szűrése A kinyert klaszterek valóban karakterek? Eldobjuk, ha 30 pixel alatti, vagy túl széles, vagy túl keskeny (ekkor az I betűk egy része is repül :) )
34 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
35 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
36 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
37 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
38 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
39 A program lépései 6 A karakterek felismerése Milyen karaktert látunk? A klasztert bekeretezzük, majd a referencia karaktereink képét az adott méretre konvertáljuk (újra binarizáljuk). Egyezés mértéke: fekete pixelek 2 súllyal, fehér pixelek 1 súllyal 80% fölött elfogadjuk, alatta elutasítjuk. Felismerés balról jobbra, fentről le. ±5 fokos forgatás
40 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
41 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
42 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
43 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
44 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
45 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
46 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
47 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
48 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
49 Felmerült és megoldott problémák Felmerült kérdések, megoldott problémák Probléma: Túl nagy felbontású kép, a klaszter túlcsordul Megoldás: Betöltéskor kicsinyítés Probléma: Teherautók krómozott rácsai elrontották a sorok varianciáját Megoldás: Elvetés lehetősége Probléma: Karakternek felismert szennyeződés Megoldás: Előszűrés, amely a jól felismert karakter magassága, szélessége alapján a túl nagy, túl kicsi foltokat kiszűri Probléma: A betűk teteje, alja lemarad Megoldás: 10%-os növelés lehetősége Probléma: Fekete alapon fehér vagy fehér alapon fekete rendszám? Megoldás: Színcsere lehetősége
50 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
51 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
52 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
53 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
54 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
55 Egyelőre megoldatlan problémák Felmerült megoldatlan problémák Dőlő és lejtő karakterek ügyes felismerése Olyan rendszám felismerése, amiben fekete alapon fehér és fehér alapon fekete karakterek is vannak Hisztogram helyett 2D-s csomósodás keresése Összenőtt karakterek vágása, széteső karakterek összerakása Karakterek rendezése karakterfoltok középpontjait egyenes(ek)re illesztve Karakterfoltok előzetes szűrése egymáshoz viszonyított tulajdonságok alapján
56 Felhasznált matematikai ismeretek Klaszterezés Otsu-algoritmus Statisztkiai ismeretek a hisztogramok kezelésénél, mintavételezések Forgatások, binarizálás készítése, vágás helyének eldöntése Algoritmusok alkalmazása
57 Felhasznált matematikai ismeretek Klaszterezés Otsu-algoritmus Statisztkiai ismeretek a hisztogramok kezelésénél, mintavételezések Forgatások, binarizálás készítése, vágás helyének eldöntése Algoritmusok alkalmazása
58 Felhasznált matematikai ismeretek Klaszterezés Otsu-algoritmus Statisztkiai ismeretek a hisztogramok kezelésénél, mintavételezések Forgatások, binarizálás készítése, vágás helyének eldöntése Algoritmusok alkalmazása
59 Felhasznált matematikai ismeretek Klaszterezés Otsu-algoritmus Statisztkiai ismeretek a hisztogramok kezelésénél, mintavételezések Forgatások, binarizálás készítése, vágás helyének eldöntése Algoritmusok alkalmazása
60 Felhasznált matematikai ismeretek Klaszterezés Otsu-algoritmus Statisztkiai ismeretek a hisztogramok kezelésénél, mintavételezések Forgatások, binarizálás készítése, vágás helyének eldöntése Algoritmusok alkalmazása
61 További kutatási lehetőségek, megoldatlan problémák Hatékony, gyors automatizálás A jelenlegi paraméterek (20-30 darab) olyan optimális megválasztása, ami sikeresebb, gyorsabb felismerést tesz lehetővé. Genetikus algoritmus (nagy tér, folytonos paraméterek, jó mérhetőség, kevés előismeret) Neurális hálózat alkalmazása Folyamatos visszacsatolás, futás közbeni adaptálódás.
62 További kutatási lehetőségek, megoldatlan problémák Hatékony, gyors automatizálás A jelenlegi paraméterek (20-30 darab) olyan optimális megválasztása, ami sikeresebb, gyorsabb felismerést tesz lehetővé. Genetikus algoritmus (nagy tér, folytonos paraméterek, jó mérhetőség, kevés előismeret) Neurális hálózat alkalmazása Folyamatos visszacsatolás, futás közbeni adaptálódás.
63 További kutatási lehetőségek, megoldatlan problémák Hatékony, gyors automatizálás A jelenlegi paraméterek (20-30 darab) olyan optimális megválasztása, ami sikeresebb, gyorsabb felismerést tesz lehetővé. Genetikus algoritmus (nagy tér, folytonos paraméterek, jó mérhetőség, kevés előismeret) Neurális hálózat alkalmazása Folyamatos visszacsatolás, futás közbeni adaptálódás.
64 További kutatási lehetőségek, megoldatlan problémák Hatékony, gyors automatizálás A jelenlegi paraméterek (20-30 darab) olyan optimális megválasztása, ami sikeresebb, gyorsabb felismerést tesz lehetővé. Genetikus algoritmus (nagy tér, folytonos paraméterek, jó mérhetőség, kevés előismeret) Neurális hálózat alkalmazása Folyamatos visszacsatolás, futás közbeni adaptálódás.
65 Köszönöm a figyelmet!
7. Régió alapú szegmentálás
Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba
RészletesebbenGrafikonok automatikus elemzése
Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása
RészletesebbenKépfeldolgozás haladóknak Lovag Tamás Novák Gábor 2011
Dokumentáció Küszöbölés A küszöbölés során végighaladunk a képen és minden egyes képpont intenzitásáról eldöntjük, hogy teljesül-e rá az a küszöbölési feltétel. A teljes képre vonatkozó küszöbölés esetében
RészletesebbenDSD. Szkennelt szövegek digitalizálása során keletkező hibák elemzése magyar szövegek esetében. Pataki Máté Tóth Zoltán MTA SZTAKI DSD
MTA SZTAKI Department of Distributed Systems Szkennelt szövegek digitalizálása során keletkező hibák elemzése magyar szövegek esetében Pataki Máté Tóth Zoltán Tartalomjegyzék Szöveges dokumentumok digitalizálása
RészletesebbenMinták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások
Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján Típusok: felügyelt és felügyelet nélküli tanuló eljárások Különbség: előbbinél szükséges egy olyan tanulóhalmaz, ahol ismert a minták
RészletesebbenHidraulikus hálózatok robusztusságának növelése
Dr. Dulovics Dezső Junior Szimpózium 2018. Hidraulikus hálózatok robusztusságának növelése Előadó: Huzsvár Tamás MSc. Képzés, II. évfolyam Témavezető: Wéber Richárd, Dr. Hős Csaba www.hds.bme.hu Az előadás
RészletesebbenCARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek 2010-09-02. Dr. Vajda Ferenc Egyetemi docens
CARE Biztonságos CARE Biztonságos otthonok idős embereknek otthonok idős embereknek 2010-09-02 Dr. Vajda Ferenc Egyetemi docens 3D Érzékelés és Mobilrobotika kutatócsoport Budapesti Műszaki és Gazdaságtudományi
Részletesebbenc adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
RészletesebbenACM Snake. Orvosi képdiagnosztika 11. előadás első fele
ACM Snake Orvosi képdiagnosztika 11. előadás első fele ACM Snake (ismétlés) A szegmentáló kontúr egy paraméteres görbe: x Zs s X s, Y s,, s A szegmentáció energia funkcionál minimalizálása: E x Eint x
RészletesebbenMesterséges intelligencia alapú regressziós tesztelés
Mesterséges intelligencia alapú regressziós tesztelés Gujgiczer Anna, Elekes Márton* * AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA ÚNKP-16-1-I. KÓDSZÁMÚ ÚJ NEMZETI KIVÁLÓSÁG PROGRAMJÁNAK TÁMOGATÁSÁVAL KÉSZÜLT
RészletesebbenMiről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás
Videóanalitikát mindenhova! Princz Adorján Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás VCA alapú detektorok Videótartalom
RészletesebbenKépszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz
Képszegmentáló eljárások Orvosi képdiagnosztika 2018 ősz Képszegmentálás Anatómiai részek elkülönítés: pl. csontok, szív, erek, szürkefehér állomány, stb Vizsgálandó terület körbehatárolása: pl. tüdőterület
RészletesebbenSzínes képek feldolgozása
Palágyi Kálmán Az oktató: SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék 6720 Szeged Árpád tér 2. 214-es szoba (tetıtér) (62) 546 197 palagyi@inf.u-szeged.hu www.inf.u-szeged.hu/~palagyi Kurzusanyagok
RészletesebbenRegresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.
Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert
RészletesebbenA médiatechnológia alapjai
A médiatechnológia alapjai Úgy döntöttem, hogy a Szirányi oktatta előadások számonkérhetőnek tűnő lényegét kiemelem, az alapján, amit a ZH-ról mondott: rövid kérdések. A rész és az egész: összefüggések
RészletesebbenPanorámakép készítése
Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)
RészletesebbenA Hisztogram használata a digitális képszerkesztésben
Mechatronika, Optika és Mûszertechnika Tanszék A Hisztogram használata a digitális képszerkesztésben Tárgy: Fotó és Készítette: Curávy Tamás képszerkesztési technikák B1Y6IV Elõadó: Antal Á kos Budapest,
Részletesebben1. ábra Egy terület DTM-je (balra) és ugyanazon terület DSM-je (jobbra)
Bevezetés A digitális terepmodell (DTM) a Föld felszínének digitális, 3D-ós reprezentációja. Az automatikus DTM előállítás folyamata jelenti egyrészt távérzékelt felvételekből a magassági adatok kinyerését,
RészletesebbenGépi tanulás a gyakorlatban. Bevezetés
Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis
RészletesebbenKépszerkesztés elméleti kérdések
Képszerkesztés elméleti kérdések 1. A... egyedi alkotó elemek, amelyek együttesen formálnak egy képet.(pixelek) a. Pixelek b. Paletták c. Grafikák d. Gammák 2. Az alábbiak közül melyik nem színmodell?
RészletesebbenAz INTRO projekt. Troposzféra modellek integritásvizsgálata. Rédey szeminárium Ambrus Bence
Az INTRO projekt Troposzféra modellek integritásvizsgálata Rédey szeminárium Ambrus Bence A projekt leírása Célkitűzés: troposzféra modellek maradék hibáinak modellezése, a modellek integritásának vizsgálata
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
RészletesebbenKépfeldolgozás Szegmentálás Osztályozás Képfelismerés Térbeli rekonstrukció
Mesterséges látás Miről lesz szó? objektumok Bevezetés objektumok A mesterséges látás jelenlegi, technikai eszközökön alapuló világunkban gyakorlatilag azonos a számítógépes képfeldolgozással. Számítógépes
RészletesebbenPontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
RészletesebbenHibadetektáló rendszer légtechnikai berendezések számára
Hibadetektáló rendszer légtechnikai berendezések számára Tudományos Diákköri Konferencia A feladatunk Légtechnikai berendezések Monitorozás Hibadetektálás Újrataníthatóság A megvalósítás Mozgásérzékelő
RészletesebbenIntelligens Rendszerek Gyakorlata. Neurális hálózatok I.
: Intelligens Rendszerek Gyakorlata Neurális hálózatok I. dr. Kutor László http://mobil.nik.bmf.hu/tantargyak/ir2.html IRG 3/1 Trend osztályozás Pnndemo.exe IRG 3/2 Hangulat azonosítás Happy.exe IRG 3/3
RészletesebbenStrukturált Generátorrendszerek Online Tanulása és Alk-ai
Strukturált Generátorrendszerek Online Tanulása és Alkalmazásai Problémamegoldó Szeminárium 2010. nov. 5 Tartalomjegyzék Motiváció, példák Regressziós feladatok (generátorrendszer fix) Legkisebb négyzetes
RészletesebbenPontfelhő létrehozás és használat Regard3D és CloudCompare nyílt forráskódú szoftverekkel. dr. Siki Zoltán
Pontfelhő létrehozás és használat Regard3D és CloudCompare nyílt forráskódú szoftverekkel dr. Siki Zoltán siki.zoltan@epito.bme.hu Regard3D Nyílt forráskódú SfM (Structure from Motion) Fényképekből 3D
RészletesebbenMŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR
KÖZÚTI ADATBÁZISOK ÉS ADAT-NYILVÁNTARTÓ RENDSZEREK Lakatos András Tartalom Bevezetés Közútra vonatkozó adatgyűjtési rendszerek története Adatbázisok, adatgyűjtési rendszerek napjainkban Adatok hasznosítása
RészletesebbenAdatszerkezetek 7a. Dr. IványiPéter
Adatszerkezetek 7a. Dr. IványiPéter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér () Nincsennek hurkok!!! 2 Bináris fák Azokat a
RészletesebbenSzéladatok homogenizálása és korrekciója
Széladatok homogenizálása és korrekciója Péliné Németh Csilla 1 Prof. Dr. Bartholy Judit 2 Dr. Pongrácz Rita 2 Dr. Radics Kornélia 3 1 MH Geoinformációs Szolgálat pelinenemeth.csilla@mhtehi.gov.hu 2 Eötvös
RészletesebbenFotogrammetriai munkaállomások szoftvermoduljainak tervezése. Dr. habil. Jancsó Tamás Óbudai Egyetem, Alba Regia Műszaki Kar
Fotogrammetriai munkaállomások szoftvermoduljainak tervezése Dr. habil. Jancsó Tamás Óbudai Egyetem, Alba Regia Műszaki Kar Témakörök DPW szoftvermodulok Szoftverek funkciói Pár példa Mi hiányzik gyakran?
RészletesebbenTanulás az idegrendszerben. Structure Dynamics Implementation Algorithm Computation - Function
Tanulás az idegrendszerben Structure Dynamics Implementation Algorithm Computation - Function Tanulás pszichológiai szinten Classical conditioning Hebb ötlete: "Ha az A sejt axonja elég közel van a B sejthez,
RészletesebbenÚtjelzések, akadályok felismerése valós időben
Útjelzések, akadályok felismerése valós időben Dr. Hidvégi Timót Széchenyi István Egyetem Győr, 9026, Egyetem tér 1. hidvegi@sze.hu 1. Bevezető Sajnos a közúton a balesetek egy része abból adódik, hogy
RészletesebbenSztereó képfeldolgozás mobilrobot platform tájékozódásához Önálló laboratórium 2007/2008. tavaszi félév
Sztereó képfeldolgozás mobilrobot platform tájékozódásához Önálló laboratórium 007/008. tavaszi félév Józsa Csongor Konzulens: Dr. Vajda Ferenc 1/1 1. A probléma ismertetése Mobilis robotok ismeretlen
RészletesebbenTipikus időbeli internetezői profilok nagyméretű webes naplóállományok alapján
Tipikus időbeli internetezői profilok nagyméretű webes naplóállományok alapján Schrádi Tamás schraditamas@aut.bme.hu Automatizálási és Alkalmazott Informatikai Tanszék BME A feladat A webszerverek naplóállományainak
RészletesebbenA tervfeladat sorszáma: 1 A tervfeladat címe: ALU egység 8 regiszterrel és 8 utasítással
.. A tervfeladat sorszáma: 1 A ALU egység 8 regiszterrel és 8 utasítással Minimálisan az alábbi képességekkel rendelkezzen az ALU 8-bites operandusok Aritmetikai funkciók: összeadás, kivonás, shift, komparálás
RészletesebbenPONTFELHŐ REGISZTRÁCIÓ
PONTFELHŐ REGISZTRÁCIÓ ITERATIVE CLOSEST POINT Cserteg Tamás, URLGNI, 2018.11.22. TARTALOM Röviden Alakzatrekonstrukció áttekintés ICP algoritmusok Projektfeladat Demó FORRÁSOK Cikkek Efficient Variants
RészletesebbenSzámítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA
SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás
RészletesebbenProgramozás alapjai. 6. gyakorlat Futásidő, rekurzió, feladatmegoldás
Programozás alapjai 6. gyakorlat Futásidő, rekurzió, feladatmegoldás Háziellenőrzés Egészítsd ki úgy a simplemaths.c programot, hogy megfelelően működjön. A program feladata az inputon soronként megadott
RészletesebbenÁltalános követelmények a kép tartalmával és minőségével kapcsolatban
Általános követelmények a kép tartalmával és minőségével kapcsolatban A következő követelmények egyrészt azért fontosak, hogy megfelelően dokumentálják az eseményeket (bizonyítékként felhasználóak legyenek),
RészletesebbenKódverifikáció gépi tanulással
Kódverifikáció gépi tanulással Szoftver verifikáció és validáció kiselőadás Hidasi Balázs 2013. 12. 12. Áttekintés Gépi tanuló módszerek áttekintése Kódverifikáció Motiváció Néhány megközelítés Fault Invariant
RészletesebbenEEE Kutatólaboratórium MTA-SZTAKI Magyar Tudományos Akadémia
DElosztott I S T R I B U T EEsemények D EV E N T S A NElemzé A L Y S I S se R E SKutatólaboratór E A R C H L A B O R A T Oium R Y L I D A R B a s e d S u r v e i l l a n c e Városi LIDAR adathalmaz szegmentációja
RészletesebbenKözösség detektálás gráfokban
Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a
RészletesebbenAlter Róbert Báró Csaba Sensor Technologies Kft
Közúti forgalomelemzés kamerával e_traffic Alter Róbert Báró Csaba Sensor Technologies Kft Előadás témái Cégbemutató Videó analitikai eljárások Forgalomszámláló eszközök összehasonlítása e_traffic forgalomelemző
RészletesebbenGépi tanulás a gyakorlatban. Lineáris regresszió
Gépi tanulás a gyakorlatban Lineáris regresszió Lineáris Regresszió Legyen adott egy tanuló adatbázis: Rendelkezésünkre áll egy olyan előfeldolgozott adathalmaz, aminek sorai az egyes ingatlanokat írják
RészletesebbenSzámítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló
RészletesebbenDigitális képfeldolgozás gyakorlat, Nappali tagozat 2018/2019 őszi félév, Beadandó feladat
Digitális képfeldolgozás gyakorlat, Nappali tagozat 2018/2019 őszi félév, Beadandó feladat Készítsen egy Python programot a megfelelő csomagok (OpenCV, NumPy, stb.) segítségével, amely a következő feladatok
RészletesebbenGépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés
Gépi tanulás a gyakorlatban Kiértékelés és Klaszterezés Hogyan alkalmazzuk sikeresen a gépi tanuló módszereket? Hogyan válasszuk az algoritmusokat? Hogyan hangoljuk a paramétereiket? Precízebben: Tegyük
RészletesebbenÁR kulcsrakész ÁR lapraszerelt
Szélesség (cm) 90 Magasság (cm) 85 52 266 Ft 39 412 Ft 54 057 Ft 41 203 Ft 54 095 Ft 41 005 Ft 54 455 Ft 41 365 Ft 55 143 Ft 42 052 Ft 57 396 Ft 44 305 Ft 56 886 Ft 43 795 Ft 58 146 Ft 45 055 Ft 55 316
RészletesebbenPéldák jellemzőkre: - minden pixelérték egy jellemző pl. neurális hálózat esetében csak kis képekre, nem invariáns sem a megvilágításra, sem a geom.
Lépések 1. tanító és teszt halmaz összeállítása / megszerzése 2. jellemzők kinyerése 3. tanító eljárás választása Sok vagy kevés adat áll-e rendelkezésünkre? Mennyi tanítási idő/memória áll rendelkezésre?
RészletesebbenELEMI BÁZISTRANSZFORMÁCIÓ LÉPÉSEI 1.EGYSZERŰSÍTETT VÁLTOZAT. 1.a) Paramétert nem tartalmazó eset
ELEMI BÁZISTRANSZFORMÁCIÓ LÉPÉSEI 1.EGYSZERŰSÍTETT VÁLTOZAT 1.a) Paramétert nem tartalmazó eset A bázistranszformáció egyszerűsített változatában a bázison kívül elhelyezkedő vektorokból amennyit csak
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás, zajszűrés) Képelemzés
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
RészletesebbenInform Média Lapkiadó Kft. lokális piacvezető kiadóból multimédiás vállalat
MEGYEI NAPILAPOK / HÍRPORTÁLOK MÉDIAAJÁNLÓ 2019 Inform Média Lapkiadó Kft. lokális piacvezető kiadóból multimédiás vállalat Az Inform Média Lapkiadó Kft. 1991. óta Északkelet-Magyarország piacvezető médiavállalkozása
RészletesebbenHaszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse. 2004. November 17. Knorr-Bremse 19.11.
Haszongépj pjármű fékrendszer intelligens vezérl rlése Németh Huba Knorr-Bremse Kutatási és s Fejlesztési si Központ, Budapest 2004. November 17. Knorr-Bremse 19.11.2004 Huba Németh 1 Tartalom Motiváció
RészletesebbenInform Média Lapkiadó boon.hu. Médiaajánlat
Inform Média Lapkiadó boon.hu Médiaajánlat 2017 Havi átlag Valós látogató Látogatás Oldalletöltés 634 806 4 358 809 29 472 811 Asztali 67% Heti átlag Napi átlag 216 551 726 468 4 879 224 141 186 79 717
RészletesebbenCSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN
MFTTT 30. VÁNDORGYŰLÉS 2015. július 03. Szolnok CSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN Kovács Gergő Földmérő és földrendező szak, IV. évfolyam Verőné Dr.
RészletesebbenTanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok
Zrínyi Miklós Gimnázium Művészet és tudomány napja Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok 10/9/2009 Dr. Viharos Zsolt János Elsősorban volt Zrínyis diák Tudományos főmunkatárs
RészletesebbenIII.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ
infokommunikációs technológiák III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ KECSKEMÉTI ANNA KUN JEROMOS KÜRT Zrt. KUTATÁSI
RészletesebbenAdatelemzés és adatbányászat MSc
Adatelemzés és adatbányászat MSc 12. téma Klaszterezési módszerek Klaszterezés célja Adott az objektumok, tulajdonságaik együttese. Az objektumok között hasonlóságot és különbözőséget fedezhetünk fel.
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav54
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenLoványi István vizsgakérdései kidolgozva (béta)
Loványi István vizsgakérdései kidolgozva (béta) 1. Morfológiai képfeldolgozás elmélete 1. Alapvető halmazműveletek, tulajdonságaik Műveletek: egyesítés (unió) metszet negált összetett műveletek... Tulajdonságok:
RészletesebbenSpeciális szükségletű felhasználók navigációjának vizsgálata különböző multimédiás alkalmazásokban
Speciális szükségletű felhasználók navigációjának vizsgálata különböző multimédiás alkalmazásokban MÁTRAI RITA1, KOSZTYÁN ZSOLT TIBOR2, SIKNÉ DR. LÁNYI CECÍLIA3 1,3 Veszprémi Egyetem, Képfeldolgozás és
RészletesebbenUjjszámlálás Matlab segítségével
Ujjszámlálás Matlab segítségével Griechisch Erika, Juhász Miklós és Földi Antal 2008. november Tartalomjegyzék 1. Bevezetés 1 2. Vizsgált módszerek 1 3. Az algoritmus 1 4. Megvalósítás 2 4.1. Szegmentálás,
RészletesebbenKépszerkesztés elméleti feladatainak kérdései és válaszai
Képszerkesztés elméleti feladatainak kérdései és válaszai 1. A... egyedi alkotóelemek, amelyek együttesen formálnak egy képet. Helyettesítse be a pixelek paletták grafikák gammák Helyes válasz: pixelek
RészletesebbenKövetelmény a 8. évfolyamon félévkor matematikából
Követelmény a 8. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Halmazokkal kapcsolatos alapfogalmak ismerete, halmazok szemléltetése, halmazműveletek ismerete, eszköz jellegű
RészletesebbenInformatika tanterv nyelvi előkészítő osztály heti 2 óra
Informatika tanterv nyelvi előkészítő osztály heti Számítógép feladata és felépítése Az informatikai eszközök használata Operációs rendszer Bemeneti egységek Kijelző egységek Háttértárak Feldolgozás végző
RészletesebbenTávérzékelés, a jöv ígéretes eszköze
Távérzékelés, a jöv ígéretes eszköze Ritvayné Szomolányi Mária Frombach Gabriella VITUKI CONSULT Zrt. A távérzékelés segítségével: különböz6 magasságból, tetsz6leges id6ben és a kívánt hullámhossz tartományokban
RészletesebbenPartíció probléma rekurzíómemorizálással
Partíció probléma rekurzíómemorizálással A partíciószám rekurzív algoritmusa Ω(2 n ) műveletet végez, pedig a megoldandó részfeladatatok száma sokkal kisebb O(n 2 ). A probléma, hogy bizonyos már megoldott
RészletesebbenKeresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)
RészletesebbenDigitális képek szegmentálása. 5. Textúra. Kató Zoltán.
Digitális képek szegmentálása 5. Textúra Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Textúra fogalma Sklansky: Egy képen egy területnek állandó textúrája van ha a lokális statisztikák vagy
RészletesebbenÖnálló labor beszámoló Képek szegmentálása textúra analízis segítségével. MAJF21 Eisenberger András május 22. Konzulens: Dr.
Önálló labor beszámoló Képek szegmentálása textúra analízis segítségével 2011. május 22. Konzulens: Dr. Pataki Béla Tartalomjegyzék 1. Bevezetés 2 2. Források 2 3. Kiértékelő szoftver 3 4. A képek feldolgozása
RészletesebbenRónai Gergely. fejlesztési főmérnök BKK Közút Zrt.
ITS fejlesztés Budapesten Rónai Gergely fejlesztési főmérnök BKK Közút Zrt. A fővárosi ITS kezdetei Nemzeti Közlekedési Napok 2013 - ITS fejlesztés Budapesten 2 ITS fejlesztések szervezeti háttere Budapest
RészletesebbenAdatszerkezetek I. 7. előadás. (Horváth Gyula anyagai felhasználásával)
Adatszerkezetek I. 7. előadás (Horváth Gyula anyagai felhasználásával) Bináris fa A fa (bináris fa) rekurzív adatszerkezet: BinFa:= Fa := ÜresFa Rekord(Elem,BinFa,BinFa) ÜresFa Rekord(Elem,Fák) 2/37 Bináris
RészletesebbenKép mátrix. Feladat: Pap Gáborné-Zsakó László: Algoritmizálás, adatmodellezés 2/35
Grafika I. Kép mátrix Feladat: Egy N*M-es raszterképet nagyítsunk a két-szeresére pontsokszorozással: minden régi pont helyébe 2*2 azonos színű pontot rajzolunk a nagyított képen. Pap Gáborné-Zsakó László:
RészletesebbenTartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9
... 3 Előszó... 9 I. Rész: Evolúciós számítások technikái, módszerei...11 1. Bevezetés... 13 1.1 Evolúciós számítások... 13 1.2 Evolúciós algoritmus alapfogalmak... 14 1.3 EC alkalmazásokról általában...
RészletesebbenA 2017/2018. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló FIZIKA II. KATEGÓRIA JAVÍTÁSI ÚTMUTATÓ. Pohár rezonanciája
Oktatási Hivatal A 017/018. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló FIZIKA II. KATEGÓRIA JAVÍTÁSI ÚTMUTATÓ Pohár rezonanciája A mérőberendezés leírása: A mérőberendezés egy változtatható
RészletesebbenA szürke háttérrel jelölt fejezet/alfejezet szövege a CD-mellékleten található. A CD-melléklet használata. 1. Elméleti áttekintés 1
A szürke háttérrel jelölt fejezet/alfejezet szövege a CD-mellékleten található meg. A CD-melléklet használata Bevezetés xi xiii 1. Elméleti áttekintés 1 1.1. Adatmodellezés 3 1.2. Táblák, oszlopok és sorok
RészletesebbenGráfalgoritmusok ismétlés ősz
Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf
RészletesebbenMicrosoft Virtual PC 2007
Microsoft Virtual PC 2007 Beszerzés, telepítés 1 A Virtual PC 2007 beszerzése Beszerezhető innen: http://www.microsoft.com/downloads/detail s.aspx?familyid=04d26402-3199-48a3- AFA2-2DC0B40A73B6&displaylang=en
RészletesebbenÜgyeljen arra, hogy a programmodul sorszáma és megnevezése azonos legyen a I. A program általános tartalma fejezet 11. pontjában írtakkal!
II. ADATLAP - Programmodul részletes bemutatása Valamennyi programmodulra külön-külön kitöltendő 1. A programmodul azonosító adatai Ügyeljen arra, hogy a programmodul sorszáma és megnevezése azonos legyen
RészletesebbenDIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN
DIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN DR. GIMESI LÁSZLÓ Bevezetés Pécsett és környékén végzett bányászati tevékenység felszámolása kapcsán szükségessé vált az e tevékenység során keletkezett meddők, zagytározók,
Részletesebben1. Gyakorlat képek megjelenítése és vizsgálata
1. Gyakorlat képek megjelenítése és vizsgálata Hozzávalók: MultiSpec program (MultiSpecWin32.exe); ag020522_dpac_cd.lan állomány. A program és a gyakorlatokhoz szükséges állományok elérhetők ingyenesen
RészletesebbenKovács Ernő 1, Füvesi Viktor 2
Kovács Ernő 1, Füvesi Viktor 2 1 Miskolci Egyetem, Elektrotechnikai - Elektronikai Tanszék 2 Miskolci Egyetem, Alkalmazott Földtudományi Kutatóintézet 1 HU-3515 Miskolc-Egyetemváros 2 HU-3515 Miskolc-Egyetemváros,
RészletesebbenDr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
RészletesebbenFuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában
Budapesti Műszaki és Gazdaságtudományi Egyetem Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Cselkó Richárd 2009. október. 15. Az előadás fő témái Soft Computing technikák alakalmazásának
RészletesebbenIntelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói
Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus
RészletesebbenSzimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
RészletesebbenSzámítógéppel segített modellezés és szimuláció a természettudományokban
Számítógéppel segített modellezés és szimuláció a természettudományokban Beszámoló előadás Németh Gábor 2008. 05. 08. A kurzusról Intenzív, 38 órás kurzus 2008. 03. 25. -2008. 03. 30-ig Három csoport:
RészletesebbenACO mélyépítés ACO DRAIN. Faveremrácsok. Favédô rendszerek
ACO mélyépítés Faveremrácsok Favédô rendszerek Tartalomjegyzék Információk 92 WOTAN favédô rendszer 93 WOTAN favédô rendszer beépítési utasítás 95 Standard favédô rendszer 96 Standard favédô rendszer beépítési
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés
RészletesebbenHORVÁTH ZSÓFIA 1. Beadandó feladat (HOZSAAI.ELTE) ápr 7. 8-as csoport
10-es Keressünk egy egész számokat tartalmazó négyzetes mátrixban olyan oszlopot, ahol a főátló alatti elemek mind nullák! Megolda si terv: Specifika cio : A = (mat: Z n m,ind: N, l: L) Ef =(mat = mat`)
RészletesebbenHTML alapok. A HTML az Internetes oldalak nyelve.
A HTML az Internetes oldalak nyelve. HTML alapok Karakteres szövegszerkesztővel (pl. Jegyzettömb) szerkeszthető. FONTOS, hogy az elkészült oldal kiterjesztése ne txt, hanem html legyen! Felépítése: Két
RészletesebbenOpenCL alapú eszközök verifikációja és validációja a gyakorlatban
OpenCL alapú eszközök verifikációja és validációja a gyakorlatban Fekete Tamás 2015. December 3. Szoftver verifikáció és validáció tantárgy Áttekintés Miért és mennyire fontos a megfelelő validáció és
RészletesebbenStatisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás
Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás A feladatok megoldásához használandó adatállományok: potzh és potolando (weboldalon találhatók) Az állományok kiterjesztése sas7bdat,
RészletesebbenTermék modell. Definíció:
Definíció: Termék modell Összetett, többfunkciós, integrált modell (számítógépes reprezentáció) amely leír egy műszaki objektumot annak különböző életfázis szakaszaiban: tervezés, gyártás, szerelés, szervízelés,
RészletesebbenAutomatikus épület-felismerés ortofotókon objektum-alapú eljárással
Automatikus épület-felismerés ortofotókon objektum-alapú eljárással Gera Dávid Ákos, Nádor Gizella, Surek György Földmérési és Távérzékelési Intézet Távérzékelési Igazgatóság 1. Bevezetés Napjainkban a
RészletesebbenA távérzékelt felvételek tematikus kiértékelésének lépései
A távérzékelt felvételek tematikus kiértékelésének lépései Csornai Gábor László István Földmérési és Távérzékelési Intézet Mezőgazdasági és Vidékfejlesztési Igazgatóság Az előadás 2011-es átdolgozott változata
Részletesebben