Rendszámfelismerő rendszerek

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Rendszámfelismerő rendszerek"

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!

DSD. Szkennelt szövegek digitalizálása során keletkező hibák elemzése magyar szövegek esetében. Pataki Máté Tóth Zoltán MTA SZTAKI DSD

DSD. 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

Részletesebben

CARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek 2010-09-02. Dr. Vajda Ferenc Egyetemi docens

CARE. 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

Részletesebben

Gépi tanulás a gyakorlatban. Bevezetés

Gépi 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

Részletesebben

Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás

Miről 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

Részletesebben

ACM Snake. Orvosi képdiagnosztika 11. előadás első fele

ACM 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

Részletesebben

Színes képek feldolgozása

Színes 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

Részletesebben

Panorámakép készítése

Panorámakép készítése Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)

Részletesebben

A médiatechnológia alapjai

A 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

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. 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

Részletesebben

Képfeldolgozás Szegmentálás Osztályozás Képfelismerés Térbeli rekonstrukció

Képfeldolgozás 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

Részletesebben

Hibadetektáló rendszer légtechnikai berendezések számára

Hibadetektáló rendszer légtechnikai berendezések számára Hibadetektáló rendszer légtechnikai berendezések számára Tudományos Diákköri Konferencia A feladatunk Légtechnikai berendezések Monitorozás Hibadetektálás Újrataníthatóság A megvalósítás Mozgásérzékelő

Részletesebben

1. ábra Egy terület DTM-je (balra) és ugyanazon terület DSM-je (jobbra)

1. 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,

Részletesebben

Képszerkesztés elméleti kérdések

Képszerkesztés 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?

Részletesebben

Széladatok homogenizálása és korrekciója

Széladatok 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

Részletesebben

Multimédiás adatbázisok

Multimédiás adatbázisok Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás

Részletesebben

CSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN

CSAPADÉK 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.

Részletesebben

Útjelzések, akadályok felismerése valós időben

Útjelzések, 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

Részletesebben

A tervfeladat sorszáma: 1 A tervfeladat címe: ALU egység 8 regiszterrel és 8 utasítással

A 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

Részletesebben

EEE Kutatólaboratórium MTA-SZTAKI Magyar Tudományos Akadémia

EEE 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

Részletesebben

Alter Róbert Báró Csaba Sensor Technologies Kft

Alter 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

Részletesebben

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Intelligens 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

Részletesebben

Strukturált Generátorrendszerek Online Tanulása és Alk-ai

Strukturált 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

Részletesebben

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában

Fuzzy 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

Részletesebben

Adatszerkezetek 7a. Dr. IványiPéter

Adatszerkezetek 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

Részletesebben

Termék modell. Definíció:

Termék modell. Definíció: Definíció: Termék modell Összetett, többfunkciós, integrált modell (számítógépes reprezentáció) amely leír egy műszaki objektumot annak különböző életfázis szakaszaiban: tervezés, gyártás, szerelés, szervízelés,

Részletesebben

Inform Média Lapkiadó boon.hu. Médiaajánlat

Inform 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

Részletesebben

Általános követelmények a kép tartalmával és minőségével kapcsolatban

Általános 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),

Részletesebben

Rónai Gergely. fejlesztési főmérnök BKK Közút Zrt.

Rónai 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

Részletesebben

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Számítógépes 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

Részletesebben

Adatszerkezetek I. 7. előadás. (Horváth Gyula anyagai felhasználásával)

Adatszerkezetek 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

Részletesebben

Távérzékelés, a jöv ígéretes eszköze

Távérzékelés, 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

Részletesebben

Microsoft Virtual PC 2007

Microsoft 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

Részletesebben

A 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. 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

Részletesebben

Kovács Ernő 1, Füvesi Viktor 2

Kovács 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,

Részletesebben

ÁR kulcsrakész ÁR lapraszerelt

ÁR 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

Részletesebben

Sztereó képfeldolgozás mobilrobot platform tájékozódásához Önálló laboratórium 2007/2008. tavaszi félév

Sztereó 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

Részletesebben

ELEMI BÁZISTRANSZFORMÁCIÓ LÉPÉSEI 1.EGYSZERŰSÍTETT VÁLTOZAT. 1.a) Paramétert nem tartalmazó eset

ELEMI 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

Részletesebben

Gépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés

Gépi 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

Részletesebben

MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN

MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN infokommunikációs technológiák MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN Készítette: Árgilán Viktor, Dr. Balogh János, Dr. Békési József, Dávid Balázs, Hajdu László, Dr. Galambos Gábor, Dr. Krész

Részletesebben

Haszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse. 2004. November 17. Knorr-Bremse 19.11.

Haszongépj. 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

Részletesebben

Algoritmizálás, adatmodellezés tanítása 1. előadás

Algoritmizálás, adatmodellezés tanítása 1. előadás Algoritmizálás, adatmodellezés 1. előadás Az algoritmus fogalma végrehajtható (van hozzá végre-hajtó) lépésenként hajtható végre a lépések maguk is algoritmusok pontosan definiált, adott végre-hajtási

Részletesebben

Adatelemzés és adatbányászat MSc

Adatelemzés 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.

Részletesebben

III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ

III.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

Részletesebben

Loványi István vizsgakérdései kidolgozva (béta)

Loványi 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:

Részletesebben

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Tartalom 3/ kernelek segítségével Felügyelt és félig-felügyelt tanulás felügyelt: D =

Részletesebben

Lemezalkatrész-Punch Tool I. Lemezalkatrész-tervező modul használata Feladat: Készítse el az alábbi ábrán látható alkatrész alkatrészmodelljét!

Lemezalkatrész-Punch Tool I. Lemezalkatrész-tervező modul használata Feladat: Készítse el az alábbi ábrán látható alkatrész alkatrészmodelljét! Lemezalkatrész-Punch Tool I. Lemezalkatrész-tervező modul használata Feladat: Készítse el az alábbi ábrán látható alkatrész alkatrészmodelljét! 1. Indítson egy új feladatot! 1 New Default Sheet Metal.ipt

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

3D - 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

Részletesebben

Hadházi Dániel.

Hadházi Dániel. Hadházi Dániel hadhazi@mit.bme.hu Orvosi képdiagnosztika: Szerepe napjaink orvoslásában Képszegmentálás orvosi kontextusban Elvárások az adekvát szegmentálásokkal szemben Verifikáció és validáció lehetséges

Részletesebben

Ujjszámlálás Matlab segítségével

Ujjszámlálás 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,

Részletesebben

Képszerkesztés elméleti feladatainak kérdései és válaszai

Képszerkesztés 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

Részletesebben

Partíció probléma rekurzíómemorizálással

Partíció 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

Részletesebben

3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)

3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 3. Szűrés képtérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE http://www.inf.u-szeged.hu/~kato/teaching/ 2 Kép transzformációk típusai Kép értékkészletének radiometriai információ

Részletesebben

Informatika tanterv nyelvi előkészítő osztály heti 2 óra

Informatika 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

Részletesebben

Online Nevezési Rendszer

Online Nevezési Rendszer Online Nevezési Rendszer Első lépések A kapott felhasználó névvel és jelszóval jelentkezzünk be! Az első belépés után a jelszót meg kell változtatni és az egyesülethez tartozó érvényes email címet meg

Részletesebben

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása 1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június

Részletesebben

Digitális képek szegmentálása. 5. Textúra. Kató Zoltán.

Digitális 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

Részletesebben

Tartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9

Tartalomjegyzék. 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...

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek 3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1

Részletesebben

Egyszerű programozási tételek

Egyszerű programozási tételek Egyszerű programozási tételek 2. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. szeptember 15. Sergyán (OE NIK) AAO 02 2011. szeptember 15.

Részletesebben

Nem roncsoló tesztelés diszkrét tomográfiával

Nem roncsoló tesztelés diszkrét tomográfiával Nem roncsoló tesztelés diszkrét tomográfiával Dr. Balázs Péter, adjunktus Képfeldolgozás és Számítógépes Grafika Tanszék SZTE TTIK, Informatikai Tanszékcsoport A teszteléshez használt CT berendezés lapdetektor

Részletesebben

Ügyeljen arra, hogy a programmodul sorszáma és megnevezése azonos legyen a I. A program általános tartalma fejezet 11. pontjában írtakkal!

Ügyeljen 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

Részletesebben

Bevezetés a programozásba

Bevezetés a programozásba Bevezetés a programozásba 1. Előadás Bevezetés, kifejezések http://digitus.itk.ppke.hu/~flugi/ Egyre precízebb A programozás természete Hozzál krumplit! Hozzál egy kiló krumplit! Hozzál egy kiló krumplit

Részletesebben

1. Gyakorlat képek megjelenítése és vizsgálata

1. 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

Részletesebben

Táblázatok. Feladatok Szegélyek és cellák. 1. feladat. 2. feladat

Táblázatok. Feladatok Szegélyek és cellák. 1. feladat. 2. feladat Táblázatok A táblázatok cellákat tartalmazó sorokból és oszlopokból épülnek fel. A cellában szöveg, szövegközi grafikák és egyéb táblázatok is elhelyezhetők. A táblázat táblázatba történő beszúrásánál

Részletesebben

Dr. habil. Maróti György

Dr. 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

Részletesebben

ACO mélyépítés ACO DRAIN. Faveremrácsok. Favédô rendszerek

ACO 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

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói

Intelligens 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

Részletesebben

5. modul: ARÁNYOSSÁG, SZÁZALÉKSZÁMÍTÁS

5. modul: ARÁNYOSSÁG, SZÁZALÉKSZÁMÍTÁS MATEMATIK A 9. évfolyam 5. modul: ARÁNYOSSÁG, SZÁZALÉKSZÁMÍTÁS KÉSZÍTETTE: VIDRA GÁBOR Matematika A 9. évfolyam. 5. modul: ARÁNYOSSÁG, SZÁZALÉKSZÁMÍTÁS Tanári útmutató 2 A modul célja Időkeret Ajánlott

Részletesebben

HORVÁTH ZSÓFIA 1. Beadandó feladat (HOZSAAI.ELTE) ápr 7. 8-as csoport

HORVÁTH 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`)

Részletesebben

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás

Statisztikai 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,

Részletesebben

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok

Tanulás 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

Részletesebben

Dinamikus programozás - Szerelőszalag ütemezése

Dinamikus programozás - Szerelőszalag ütemezése Dinamikus programozás - Szerelőszalag ütemezése A dinamikus programozás minden egyes részfeladatot és annak minden részfeladatát pontosan egyszer oldja meg, az eredményt egy táblázatban tárolja, és ezáltal

Részletesebben

A Matrix-Police automatikus rendszám-azonosító berendezés rövid ismertetése

A Matrix-Police automatikus rendszám-azonosító berendezés rövid ismertetése Automatikus rendszám-azonosító - A Matrix-Police rövid ismertetése - Ajánlott összeállítás a Matrix-Police berendezésre - Matrix-Police kezelõi kézikönyv A Matrix-Police automatikus rendszám-azonosító

Részletesebben

Automatikus épület-felismerés ortofotókon objektum-alapú eljárással

Automatikus 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

Részletesebben

A távérzékelt felvételek tematikus kiértékelésének lépései

A 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

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 A = {1; 3; 5; 7; 9} A B = {3; 5; 7} A/B = {1; 9} Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 Azonos alapú hatványokat

Részletesebben

Városi környezet vizsgálata távérzékelési adatok osztályozásával

Városi környezet vizsgálata távérzékelési adatok osztályozásával Városi környezet vizsgálata távérzékelési adatok osztályozásával Verőné Dr. Wojtaszek Małgorzata Óbudai Egyetem AMK Goeinformatika Intézet 20 éves a Térinformatika Tanszék 2014. december. 15 Felvetések

Részletesebben

SAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával

SAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával SAT probléma kielégíthetőségének vizsgálata masszív parallel mesterséges neurális hálózat alkalmazásával Tajti Tibor, Bíró Csaba, Kusper Gábor {gkusper, birocs, tajti}@aries.ektf.hu Eszterházy Károly Főiskola

Részletesebben

mintásfal 60 40 2 2 mintásfal :m :sz :dbjobbra :dbfel

mintásfal 60 40 2 2 mintásfal :m :sz :dbjobbra :dbfel 6.osztály 1.foglalkozás 6.osztály 2.foglalkozás kocka kockafal :db minta Készítsd el ezt a mintát! A minta hosszú oldala 60 a rövid oldala 40 egység hosszú. A hosszú oldal harmada a négyzet oldala! A háromszög

Részletesebben

Csoportosítás. Térinformatikai műveletek, elemzések. Csoportosítás. Csoportosítás

Csoportosítás. Térinformatikai műveletek, elemzések. Csoportosítás. Csoportosítás Csoportosítás Térinformatikai műveletek, elemzések Leíró (attribútum) adatokra vonatkozó kérdések, műveletek, elemzések, csoportosítások,... Térbeli (geometriai) adatokra vonatkozó kérdések, műveletek

Részletesebben

Számítógépes Grafika SZIE YMÉK

Számítógépes Grafika SZIE YMÉK Számítógépes Grafika SZIE YMÉK Analóg - digitális Analóg: a jel értelmezési tartománya (idő), és az értékkészletes is folytonos (pl. hang, fény) Diszkrét idejű: az értelmezési tartomány diszkrét (pl. a

Részletesebben

Gépi tanulás és Mintafelismerés

Gépi tanulás és Mintafelismerés Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20 2 1. fejezet Bevezet A mesterséges intelligencia azon módszereit,

Részletesebben

Komplex feliratok készítése Maplex-el. Beke Dániel

Komplex feliratok készítése Maplex-el. Beke Dániel Komplex feliratok készítése Maplex-el Beke Dániel Áttekintés Milyen típusú feliratok vannak az ArcGIS-ben? - Labeling - Maplex Label Engine vs. Annotation Felirat pozíciója Felirat elhelyezési stratégiák

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó

Részletesebben

OPTIKAI KÖVETK VETÉS. Steiner Henriette április 29.

OPTIKAI KÖVETK VETÉS. Steiner Henriette április 29. OPTIKAI KÖVETK VETÉS Lehetőségek és limitáci ciók Steiner Henriette 2009. április 29. MEGISMERÉS = Érzékelés + Fogalomalkotás MEGISMERÉS = Érzékelés + Fogalomalkotás LÁTÁS = SZEM + AGY MEGISMERÉS = Érzékelés

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Matematika. A továbbhaladás feltételei

Matematika. A továbbhaladás feltételei A továbbhaladás feltételei Szakiskola 10.évfolyam MAGYAR NYELV ÉS IRODALOM Fejlődnek a tanulók tanulási technikái, a tanulók felismerik az egész életen át tartó tanulás szükségességét. Ismerik a hétköznapokban

Részletesebben

Fotódokumentáció. Projektazonosító: KMOP-1.1.1-08/1-2008-0049

Fotódokumentáció. Projektazonosító: KMOP-1.1.1-08/1-2008-0049 Fotódokumentáció Projektazonosító: KMOP-1.1.1-08/1-2008-0049 Laborkísérletekhez használt reaktorrendszer előkészítése A laborkísérletek elvégzéséhez szükséges volt egy kisméretű FCR (food chain reactor

Részletesebben

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses

Részletesebben

I. Internetes keresési feladatok (ajánlott idő: 20 perc)

I. Internetes keresési feladatok (ajánlott idő: 20 perc) I. Internetes keresési feladatok (ajánlott idő: 20 perc) A talált oldalak internet címét (URL) másold ki egy szöveges dokumentumba és mentsd Csapatnev_internet néven! A konkrét válaszokat ide a papírra

Részletesebben

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t Ellenőrző kérdések 2. Kis dolgozat kérdései 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t 37. Ha t szintű indexet használunk,

Részletesebben

Programozás I. Egyszerű programozási tételek. Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu

Programozás I. Egyszerű programozási tételek. Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Programozás I. 3. előadás Egyszerű programozási tételek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Alkalmazott Informatikai Intézet 2015. szeptember

Részletesebben

BX Routing. Routin

BX Routing. Routin BX Routing Inteligens Járatoptimalizáló Megoldás SAP Business One-hoz Routin Kis és közepes méretű, kereskedelmi és gyártó cégek logisztikai feladatainak tervezéséhez, optimalizálásához és megvalósításához

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

T201W/T201WA 20 -os szélesvásznú LCD monitor Felhasználói kézikönyv

T201W/T201WA 20 -os szélesvásznú LCD monitor Felhasználói kézikönyv T201W/T201WA 20 -os szélesvásznú LCD monitor Felhasználói kézikönyv Tartalom A csomag tartalma... 3 Telepítés... 4 A monitor csatlakoztatása a számítógéphez... 4 A monitor csatlakoztatása az áramforráshoz...

Részletesebben

1. óra Digitális képfeldolgozás

1. óra Digitális képfeldolgozás 1. óra Digitális képfeldolgozás Képkorrekció A hisztogram A hisztogram a képünk intenzitás-eloszlását ábrázolja. Ebben a koordinátarendszerben a vízszintes tengelyen vesszük fel a teljes szürkeskálát úgy,

Részletesebben

Büki András UNIX/Linux héjprogramozás Büki András: UNIX/Linux héjprogramozás Büki András Felelõs kiadó a Kiskapu Kft. ügyvezetõ igazgatója 2002 Kiskapu Kft. 1081 Budapest Népszínház u. 29. Tel: (+36-1)

Részletesebben

Nagy pontosságú rövidtávú ivóvíz fogyasztás előrejelzés Készítette: Bibok Attila PhD Hallgató MHT XXXIV. Vándorgyűlés

Nagy pontosságú rövidtávú ivóvíz fogyasztás előrejelzés Készítette: Bibok Attila PhD Hallgató MHT XXXIV. Vándorgyűlés Budapesti Műszaki és Gazdaságtudományi Egyetem Építőmérnöki kar Vízi Közmű és Környezetmérnöki Tanszék Nagy pontosságú rövidtávú ivóvíz fogyasztás előrejelzés Készítette: Bibok Attila PhD Hallgató MHT

Részletesebben