SlideShare a Scribd company logo
Итак, вы занимаетесь
компьютерным зрением...




        Антон Конушин   Slide 1
Тогда и сейчас

   Как раньше был организован научный
    процесс…



   А сейчас есть интернет!




30.07.2011                               Slide 2
Что это означает?

   Вас нет в интернете = вас не существует
   Все хотят посмотреть ваши результаты
        Все хотят «пощупать» ваши результаты!
   Совместное творчество
      Некоторые сложные задачи можно решить
       совместными усилиями
      Нельзя оставаться в стороне!

   Конкурсы
        Мы всё превращаем в соревнование!

30.07.2011                                       Slide 3
О чём буду говорить
   Личные страницы, cv и блоги
   Учебные материалы
   Публикации и конференции
   Тестовые коллекции и конкурсы
   Код и библиотеки
   Совместные проекты, стажировки, школы
    и т.д.
   Компании

30.07.2011                             Slide 4
Личная страничка




30.07.2011         Slide 5
Что должно быть:

   Имя (как же иначе)
   Фотография (приятно посмотреть)
   Кто вы и где вы
   Чем можете гордиться?
      Публикации
      Проекты

      Курсы

   Резюме (CV)

30.07.2011                            Slide 6
Резюме




Резюме как копия страницы + формальнее
+ опыт работы


30.07.2011                          Slide 7
Лаборатории




30.07.2011    Slide 8
Учебные материалы: книги

          R.Szeliski «Computer
           vision: Algorithm and
           applications»


                      http://research.microsoft.com/en-us/um/people/szeliski/Book/




            Форсайт, Понс
             «Компьютерное зрение:
             современный подход)


30.07.2011                                                                 Slide 9
Видеолекции


http://videolectures.net




 http://lektorium.tv




30.07.2011                 Slide 10
Курсы лекций


Любой университет




Наш университет


30.07.2011          Slide 11
Пример




30.07.2011   Slide 12
Публикации
   «Наше всё»
   Почему?
        Документальное подтверждение ваших
         результатов с приоритетом и внешней
         независимой экспертизой
   Publish or Perish
        http://en.wikipedia.org/wiki/Publish_or_perish




30.07.2011                                            Slide 13
«Track record»

   Один из критериев оценки заявок
   Снобизм – только ведущие конференции
    действительно котируются ведущими
    организациями!




30.07.2011                            Slide 14
Система конференций
   Ведущие международные
        Siggraph (ориентирована на приложения и
         индустрию, раз в год, август)
        CVPR (июнь, раз в год)
        ICCV / ECCV (осень, чередуются, через год)
        NIPC / ICML / ECML (распознавание образов)
   Международные
        ICIP, ICPR, ACCV
   Региональные
        BMVC, DAGM, GraphiCon            + Журналы!

30.07.2011                                            Slide 15
Рейтинг
   Citation index
        Количество цитирований работы
   Impact factor
        Усредненный индекс цитирования работ в
         журнале/конференции
   Рейтинг конференции
        http://www.cs.ualberta.ca/~zaiane/htmldocs/Con
         fRanking.html



30.07.2011                                         Slide 16
Double Blind Review
    Информация о персоналиях лишь у
     руководителей комитета
      Рецензент не знает авторов статьи
      Авторы не знают рецензентов

    Требования:
      Исключение всех упоминаний об
       авторах из поданной работы
      Информация об авторах добавляется
       только при подаче финальной версии
       для принятых работ
Что читать?
   Читать надо много, наука быстро
    развивается!
   250+ публикаций на CVPR/ECCV
   Просматривать ведущие международные
        Siggraph / CVPR / ICCV / ECCV / NIPC
   Просмотреть те, где вы сами хотите
    опубликоваться!




30.07.2011                                      Slide 18
Где искать статьи?
   Библиотеки
         http://Ieee.org (IEEE)
         http://portal.acm.org (ACM)
         http://www.springerlink.com (Springer)
            Lecture notes on computer science

         http://sciencedirect.com (Elsevier)


   Свободные каталоги статей
       Запрос: «ICCV 2009 papers»
       http://gmazars.info/conf/iccv2009.html



30.07.2011                                         Slide 19
Где искать статьи?

   CiteSeerX
      http://citeseerx.ist.psu.edu
      Удобный инструмент для отслеживания кого
       цитирует статья, и кто цитирует её
   Личные страницы авторов/групп
        Visual Geometry Group (Oxford)
                http://www.robots.ox.ac.uk/~vgg/




30.07.2011                                          Slide 20
Экспертиза

Хорошая конференция – бесплатный
способ оценить качество работы
несколькими экспертами
            Подробная анкета
            Что вы упустили в работе
            Что вам подскажут




30.07.2011                              Slide 21
Зачем делиться?

   Выше шансы, что вас процитируют!
   Выше доверие
   Карма




30.07.2011                             Slide 22
Тестовые базы

   Коллекция изображений
   Разметка изображений (!!!)
        Обработка изображений для базы обычно
         делается вручную
   Размещение
      Личные страницы
      Специализированные сайты

      Специализированные семинары и конкурсы

   Мощный стимул к прогрессу!
30.07.2011                                   Slide 23
Разные коллекции изображений
   Zurich building image database
        0.5GB
        http://www.vision.ee.ethz.ch/showroom/zubud/i
         ndex.en.html

   Caltech 101, 256
        30К+ изображений, 1.3GB
        http://www.vision.caltech.edu/Image_Datasets/
         Caltech101/
   ImageNet
        http://www.image-net.org




30.07.2011                                               Slide 24
LabelMe
   Ручная разметка
    изображения на
    объекты и их
    аннотирование
   Web-сайт
   Тысячи изображений
   Общедоступная
    коллекция
    размеченных
    изображений
                         http://labelme.csail.mit.edu/index.html



30.07.2011                                                Slide 25
Mechanical Turk (1770)




• Automaton Chess Player – робот, игравший в шахматы
   • Автоматон двигает фигуры, говорит «Чек» и обыгрывает всех!
• C 1770 по 1854 развлекал публику, только в 1820 году
раскрыли обман
Amazon Mechanical Turk
                                           Workers


                              Task: Dog?

                     Broker       Answer: Yes
                              Pay: $0.01
 Is this a dog?
  o Yes           www.mturk.com
  o No    Task

    $0.01

 • Интернет-брокер для выполнения интеллектуальных
 заданий по анализу изображений
PASCAL

   Конкурсы
      Классификация
      Поиск (bounding box)

      Сегментация (точный контур)

   Набор тестовых баз
   Выделенный сервер для
    анализа поданных данных
   Итоговый семинар

             http://pascallin.ecs.soton.ac.uk/challenges/VOC/voc2009/index.html
30.07.2011                                                                    Slide 28
ImageNet




       Total number of images: 12184113
       Number of images with bounding box annotations: 657,827

30.07.2011                                                        Slide 29
PETS
   Performance evaluation of tracking
    and video surveillance workshop
   Разные задачи
       Слежение
       Распознавание действий
       Определение оставленных
        предметов
   Набор видео для каждой задачи с
    нескольких камер


                     http://winterpets09.net/
30.07.2011                                      Slide 30
Сайты и рейтинги

   Middlebury stereo page
        http://vision.middlebury.edu/stereo/
   MRF Minimization
        http://vision.middlebury.edu/MRF/
   Multi-view stereo
        http://vision.middlebury.edu/mview/
   Optical flow
        http://vision.middlebury.edu/flow/


30.07.2011                                      Slide 31
Матирование изображений




             http://www.alphamatting.com/


30.07.2011                                  Slide 32
Программные библиотеки
   С/С++/Matlab

   OpenCV 2.0

   VLFeat
        http://www.vlfeat.org/


   STAIR Vision Library
        http://ai.stanford.edu/~sgould/svl/



30.07.2011                                     Slide 33
Списки наработок




     https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

30.07.2011                                                           Slide 34
ALE




        http://cms.brookes.ac.uk/staff/PhilipTorr/ale.htm

30.07.2011                                                   Slide 35
Компании




Видеоаналитика   Дистанционный     ГИС, Аэро, 3D
и коллекции         контроль




  Спецэффекты    Роботы и машины   Документооборот

30.07.2011                                    Slide 36
ГрафиКон

   Списки и материалы
      Компаний
      Лабораторий

      История области

      Видеокурсы




30.07.2011               Slide 37
Цели и задачи

   Сформировать и укрепить российское
    сообщество в области компьютерной
    графики и компьютерного зрения

   Ввести его в мировое научное
    пространство




30.07.2011                               Slide 38

More Related Content

Similar to Computer vision infrastracture

Разработка ПО. Введение в специальность 3. Требования
 Разработка ПО. Введение в специальность 3. Требования Разработка ПО. Введение в специальность 3. Требования
Разработка ПО. Введение в специальность 3. Требования
Pavel Egorov
 
11 по общего назначения, интегрир и мультимедиа
11 по общего назначения, интегрир и мультимедиа11 по общего назначения, интегрир и мультимедиа
11 по общего назначения, интегрир и мультимедиа
Sergey Lomakin
 
Certificate
Certificate Certificate
SECR2013: Как научить ваших детей программировать
SECR2013: Как научить ваших детей программироватьSECR2013: Как научить ваших детей программировать
SECR2013: Как научить ваших детей программировать
Dmitri Soshnikov
 
AR студия: магия на большой сцене
AR студия: магия на большой сценеAR студия: магия на большой сцене
AR студия: магия на большой сцене
EligoVision
 
Социальные сервисы
Социальные сервисыСоциальные сервисы
Социальные сервисы
Ludmila Ульева
 
Бережливое производство
Бережливое производствоБережливое производство
Бережливое производство
Юлия Ставенко
 
Коллаборативные технологии и инструменты в учебном процессе
Коллаборативные технологии и инструменты в учебном процессеКоллаборативные технологии и инструменты в учебном процессе
Коллаборативные технологии и инструменты в учебном процессе
Alexey Neznanov
 
презентация1
презентация1презентация1
презентация1alka101
 
Visualisation of data instruments
Visualisation of data instrumentsVisualisation of data instruments
Visualisation of data instruments
Oleg Khomenok
 
IT Education in Poltava
IT Education in PoltavaIT Education in Poltava
IT Education in Poltava
Alexander Babich
 
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
Сообщество eLearning PRO
 
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
Dakiry
 
Требования и дизайн (BAQ, Львов, 25.03.2017)
Требования и дизайн (BAQ, Львов, 25.03.2017)Требования и дизайн (BAQ, Львов, 25.03.2017)
Требования и дизайн (BAQ, Львов, 25.03.2017)
Anatoly Loy
 
Практики жизненного цикла систем машинного обучения
Практики жизненного цикла систем машинного обученияПрактики жизненного цикла систем машинного обучения
Практики жизненного цикла систем машинного обучения
CEE-SEC(R)
 
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
DevGAMM Conference
 
Web-квест по информатике
Web-квест по информатикеWeb-квест по информатике
Web-квест по информатике
Viktoriya Donchik
 
Shevchenko
ShevchenkoShevchenko
Использование ЦОР на уроке
Использование ЦОР на урокеИспользование ЦОР на уроке
Использование ЦОР на урокеbranka5
 
2020 maksimenkova-dist learning
2020 maksimenkova-dist learning2020 maksimenkova-dist learning
2020 maksimenkova-dist learning
Olga Maksimenkova
 

Similar to Computer vision infrastracture (20)

Разработка ПО. Введение в специальность 3. Требования
 Разработка ПО. Введение в специальность 3. Требования Разработка ПО. Введение в специальность 3. Требования
Разработка ПО. Введение в специальность 3. Требования
 
11 по общего назначения, интегрир и мультимедиа
11 по общего назначения, интегрир и мультимедиа11 по общего назначения, интегрир и мультимедиа
11 по общего назначения, интегрир и мультимедиа
 
Certificate
Certificate Certificate
Certificate
 
SECR2013: Как научить ваших детей программировать
SECR2013: Как научить ваших детей программироватьSECR2013: Как научить ваших детей программировать
SECR2013: Как научить ваших детей программировать
 
AR студия: магия на большой сцене
AR студия: магия на большой сценеAR студия: магия на большой сцене
AR студия: магия на большой сцене
 
Социальные сервисы
Социальные сервисыСоциальные сервисы
Социальные сервисы
 
Бережливое производство
Бережливое производствоБережливое производство
Бережливое производство
 
Коллаборативные технологии и инструменты в учебном процессе
Коллаборативные технологии и инструменты в учебном процессеКоллаборативные технологии и инструменты в учебном процессе
Коллаборативные технологии и инструменты в учебном процессе
 
презентация1
презентация1презентация1
презентация1
 
Visualisation of data instruments
Visualisation of data instrumentsVisualisation of data instruments
Visualisation of data instruments
 
IT Education in Poltava
IT Education in PoltavaIT Education in Poltava
IT Education in Poltava
 
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
2 - 12 - Методические подходы к обучению с помощью веб 2.0 - Андреев А. А.
 
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
Анатолій Лой “Диалектика в бизнес-анализе: требования и дизайн”
 
Требования и дизайн (BAQ, Львов, 25.03.2017)
Требования и дизайн (BAQ, Львов, 25.03.2017)Требования и дизайн (BAQ, Львов, 25.03.2017)
Требования и дизайн (BAQ, Львов, 25.03.2017)
 
Практики жизненного цикла систем машинного обучения
Практики жизненного цикла систем машинного обученияПрактики жизненного цикла систем машинного обучения
Практики жизненного цикла систем машинного обучения
 
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
Архитектура для мобильных игр - с чего начать и популярные решения / Евгений ...
 
Web-квест по информатике
Web-квест по информатикеWeb-квест по информатике
Web-квест по информатике
 
Shevchenko
ShevchenkoShevchenko
Shevchenko
 
Использование ЦОР на уроке
Использование ЦОР на урокеИспользование ЦОР на уроке
Использование ЦОР на уроке
 
2020 maksimenkova-dist learning
2020 maksimenkova-dist learning2020 maksimenkova-dist learning
2020 maksimenkova-dist learning
 

More from Anton Konushin

CV2015. Лекция 7. Поиск изображений по содержанию.
CV2015. Лекция 7. Поиск изображений по содержанию.CV2015. Лекция 7. Поиск изображений по содержанию.
CV2015. Лекция 7. Поиск изображений по содержанию.
Anton Konushin
 
CV2015. Лекция 6. Нейросетевые алгоритмы.
CV2015. Лекция 6. Нейросетевые алгоритмы.CV2015. Лекция 6. Нейросетевые алгоритмы.
CV2015. Лекция 6. Нейросетевые алгоритмы.
Anton Konushin
 
CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.
Anton Konushin
 
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
Anton Konushin
 
CV2015. Лекция 8. Распознавание лиц людей.
CV2015. Лекция 8. Распознавание лиц людей.CV2015. Лекция 8. Распознавание лиц людей.
CV2015. Лекция 8. Распознавание лиц людей.
Anton Konushin
 
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
Anton Konushin
 
CV2015. Лекция 2. Простые методы распознавания изображений.
CV2015. Лекция 2. Простые методы распознавания изображений.CV2015. Лекция 2. Простые методы распознавания изображений.
CV2015. Лекция 2. Простые методы распознавания изображений.
Anton Konushin
 
Classifier evaluation and comparison
Classifier evaluation and comparisonClassifier evaluation and comparison
Classifier evaluation and comparisonAnton Konushin
 
CV2011-2. Lecture 08. Multi-view stereo.
CV2011-2. Lecture 08. Multi-view stereo.CV2011-2. Lecture 08. Multi-view stereo.
CV2011-2. Lecture 08. Multi-view stereo.Anton Konushin
 
CV2011-2. Lecture 12. Face models.
CV2011-2. Lecture 12.  Face models.CV2011-2. Lecture 12.  Face models.
CV2011-2. Lecture 12. Face models.Anton Konushin
 
CV2011-2. Lecture 11. Face analysis.
CV2011-2. Lecture 11. Face analysis.CV2011-2. Lecture 11. Face analysis.
CV2011-2. Lecture 11. Face analysis.Anton Konushin
 
CV2011-2. Lecture 07. Binocular stereo.
CV2011-2. Lecture 07.  Binocular stereo.CV2011-2. Lecture 07.  Binocular stereo.
CV2011-2. Lecture 07. Binocular stereo.Anton Konushin
 
CV2011-2. Lecture 06. Structure from motion.
CV2011-2. Lecture 06.  Structure from motion.CV2011-2. Lecture 06.  Structure from motion.
CV2011-2. Lecture 06. Structure from motion.Anton Konushin
 
CV2011-2. Lecture 05. Video segmentation.
CV2011-2. Lecture 05.  Video segmentation.CV2011-2. Lecture 05.  Video segmentation.
CV2011-2. Lecture 05. Video segmentation.Anton Konushin
 
CV2011-2. Lecture 04. Semantic image segmentation
CV2011-2. Lecture 04.  Semantic image segmentationCV2011-2. Lecture 04.  Semantic image segmentation
CV2011-2. Lecture 04. Semantic image segmentationAnton Konushin
 
CV2011-2. Lecture 03. Photomontage, part 2.
CV2011-2. Lecture 03.  Photomontage, part 2.CV2011-2. Lecture 03.  Photomontage, part 2.
CV2011-2. Lecture 03. Photomontage, part 2.Anton Konushin
 
CV2011-2. Lecture 02. Photomontage and graphical models.
CV2011-2. Lecture 02.  Photomontage and graphical models.CV2011-2. Lecture 02.  Photomontage and graphical models.
CV2011-2. Lecture 02. Photomontage and graphical models.Anton Konushin
 
CV2011-2. Lecture 09. Single view reconstructin.
CV2011-2. Lecture 09.  Single view reconstructin.CV2011-2. Lecture 09.  Single view reconstructin.
CV2011-2. Lecture 09. Single view reconstructin.Anton Konushin
 
CV2011-2. Lecture 01. Segmentation.
CV2011-2. Lecture 01. Segmentation.CV2011-2. Lecture 01. Segmentation.
CV2011-2. Lecture 01. Segmentation.Anton Konushin
 
Anton Konushin - TEDxRU 2009
Anton Konushin - TEDxRU 2009Anton Konushin - TEDxRU 2009
Anton Konushin - TEDxRU 2009
Anton Konushin
 

More from Anton Konushin (20)

CV2015. Лекция 7. Поиск изображений по содержанию.
CV2015. Лекция 7. Поиск изображений по содержанию.CV2015. Лекция 7. Поиск изображений по содержанию.
CV2015. Лекция 7. Поиск изображений по содержанию.
 
CV2015. Лекция 6. Нейросетевые алгоритмы.
CV2015. Лекция 6. Нейросетевые алгоритмы.CV2015. Лекция 6. Нейросетевые алгоритмы.
CV2015. Лекция 6. Нейросетевые алгоритмы.
 
CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.
 
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
CV2015. Лекция 4. Классификация изображений и введение в машинное обучение.
 
CV2015. Лекция 8. Распознавание лиц людей.
CV2015. Лекция 8. Распознавание лиц людей.CV2015. Лекция 8. Распознавание лиц людей.
CV2015. Лекция 8. Распознавание лиц людей.
 
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
CV2015. Лекция 1. Понятия и история компьютерного зрения. Свет и цвет.
 
CV2015. Лекция 2. Простые методы распознавания изображений.
CV2015. Лекция 2. Простые методы распознавания изображений.CV2015. Лекция 2. Простые методы распознавания изображений.
CV2015. Лекция 2. Простые методы распознавания изображений.
 
Classifier evaluation and comparison
Classifier evaluation and comparisonClassifier evaluation and comparison
Classifier evaluation and comparison
 
CV2011-2. Lecture 08. Multi-view stereo.
CV2011-2. Lecture 08. Multi-view stereo.CV2011-2. Lecture 08. Multi-view stereo.
CV2011-2. Lecture 08. Multi-view stereo.
 
CV2011-2. Lecture 12. Face models.
CV2011-2. Lecture 12.  Face models.CV2011-2. Lecture 12.  Face models.
CV2011-2. Lecture 12. Face models.
 
CV2011-2. Lecture 11. Face analysis.
CV2011-2. Lecture 11. Face analysis.CV2011-2. Lecture 11. Face analysis.
CV2011-2. Lecture 11. Face analysis.
 
CV2011-2. Lecture 07. Binocular stereo.
CV2011-2. Lecture 07.  Binocular stereo.CV2011-2. Lecture 07.  Binocular stereo.
CV2011-2. Lecture 07. Binocular stereo.
 
CV2011-2. Lecture 06. Structure from motion.
CV2011-2. Lecture 06.  Structure from motion.CV2011-2. Lecture 06.  Structure from motion.
CV2011-2. Lecture 06. Structure from motion.
 
CV2011-2. Lecture 05. Video segmentation.
CV2011-2. Lecture 05.  Video segmentation.CV2011-2. Lecture 05.  Video segmentation.
CV2011-2. Lecture 05. Video segmentation.
 
CV2011-2. Lecture 04. Semantic image segmentation
CV2011-2. Lecture 04.  Semantic image segmentationCV2011-2. Lecture 04.  Semantic image segmentation
CV2011-2. Lecture 04. Semantic image segmentation
 
CV2011-2. Lecture 03. Photomontage, part 2.
CV2011-2. Lecture 03.  Photomontage, part 2.CV2011-2. Lecture 03.  Photomontage, part 2.
CV2011-2. Lecture 03. Photomontage, part 2.
 
CV2011-2. Lecture 02. Photomontage and graphical models.
CV2011-2. Lecture 02.  Photomontage and graphical models.CV2011-2. Lecture 02.  Photomontage and graphical models.
CV2011-2. Lecture 02. Photomontage and graphical models.
 
CV2011-2. Lecture 09. Single view reconstructin.
CV2011-2. Lecture 09.  Single view reconstructin.CV2011-2. Lecture 09.  Single view reconstructin.
CV2011-2. Lecture 09. Single view reconstructin.
 
CV2011-2. Lecture 01. Segmentation.
CV2011-2. Lecture 01. Segmentation.CV2011-2. Lecture 01. Segmentation.
CV2011-2. Lecture 01. Segmentation.
 
Anton Konushin - TEDxRU 2009
Anton Konushin - TEDxRU 2009Anton Konushin - TEDxRU 2009
Anton Konushin - TEDxRU 2009
 

Computer vision infrastracture

  • 1. Итак, вы занимаетесь компьютерным зрением... Антон Конушин Slide 1
  • 2. Тогда и сейчас  Как раньше был организован научный процесс…  А сейчас есть интернет! 30.07.2011 Slide 2
  • 3. Что это означает?  Вас нет в интернете = вас не существует  Все хотят посмотреть ваши результаты  Все хотят «пощупать» ваши результаты!  Совместное творчество  Некоторые сложные задачи можно решить совместными усилиями  Нельзя оставаться в стороне!  Конкурсы  Мы всё превращаем в соревнование! 30.07.2011 Slide 3
  • 4. О чём буду говорить  Личные страницы, cv и блоги  Учебные материалы  Публикации и конференции  Тестовые коллекции и конкурсы  Код и библиотеки  Совместные проекты, стажировки, школы и т.д.  Компании 30.07.2011 Slide 4
  • 6. Что должно быть:  Имя (как же иначе)  Фотография (приятно посмотреть)  Кто вы и где вы  Чем можете гордиться?  Публикации  Проекты  Курсы  Резюме (CV) 30.07.2011 Slide 6
  • 7. Резюме Резюме как копия страницы + формальнее + опыт работы 30.07.2011 Slide 7
  • 9. Учебные материалы: книги  R.Szeliski «Computer vision: Algorithm and applications» http://research.microsoft.com/en-us/um/people/szeliski/Book/  Форсайт, Понс «Компьютерное зрение: современный подход) 30.07.2011 Slide 9
  • 11. Курсы лекций Любой университет Наш университет 30.07.2011 Slide 11
  • 13. Публикации  «Наше всё»  Почему?  Документальное подтверждение ваших результатов с приоритетом и внешней независимой экспертизой  Publish or Perish  http://en.wikipedia.org/wiki/Publish_or_perish 30.07.2011 Slide 13
  • 14. «Track record»  Один из критериев оценки заявок  Снобизм – только ведущие конференции действительно котируются ведущими организациями! 30.07.2011 Slide 14
  • 15. Система конференций  Ведущие международные  Siggraph (ориентирована на приложения и индустрию, раз в год, август)  CVPR (июнь, раз в год)  ICCV / ECCV (осень, чередуются, через год)  NIPC / ICML / ECML (распознавание образов)  Международные  ICIP, ICPR, ACCV  Региональные  BMVC, DAGM, GraphiCon + Журналы! 30.07.2011 Slide 15
  • 16. Рейтинг  Citation index  Количество цитирований работы  Impact factor  Усредненный индекс цитирования работ в журнале/конференции  Рейтинг конференции  http://www.cs.ualberta.ca/~zaiane/htmldocs/Con fRanking.html 30.07.2011 Slide 16
  • 17. Double Blind Review  Информация о персоналиях лишь у руководителей комитета  Рецензент не знает авторов статьи  Авторы не знают рецензентов  Требования:  Исключение всех упоминаний об авторах из поданной работы  Информация об авторах добавляется только при подаче финальной версии для принятых работ
  • 18. Что читать?  Читать надо много, наука быстро развивается!  250+ публикаций на CVPR/ECCV  Просматривать ведущие международные  Siggraph / CVPR / ICCV / ECCV / NIPC  Просмотреть те, где вы сами хотите опубликоваться! 30.07.2011 Slide 18
  • 19. Где искать статьи?  Библиотеки  http://Ieee.org (IEEE)  http://portal.acm.org (ACM)  http://www.springerlink.com (Springer)  Lecture notes on computer science  http://sciencedirect.com (Elsevier)  Свободные каталоги статей  Запрос: «ICCV 2009 papers»  http://gmazars.info/conf/iccv2009.html 30.07.2011 Slide 19
  • 20. Где искать статьи?  CiteSeerX  http://citeseerx.ist.psu.edu  Удобный инструмент для отслеживания кого цитирует статья, и кто цитирует её  Личные страницы авторов/групп  Visual Geometry Group (Oxford)  http://www.robots.ox.ac.uk/~vgg/ 30.07.2011 Slide 20
  • 21. Экспертиза Хорошая конференция – бесплатный способ оценить качество работы несколькими экспертами  Подробная анкета  Что вы упустили в работе  Что вам подскажут 30.07.2011 Slide 21
  • 22. Зачем делиться?  Выше шансы, что вас процитируют!  Выше доверие  Карма 30.07.2011 Slide 22
  • 23. Тестовые базы  Коллекция изображений  Разметка изображений (!!!)  Обработка изображений для базы обычно делается вручную  Размещение  Личные страницы  Специализированные сайты  Специализированные семинары и конкурсы  Мощный стимул к прогрессу! 30.07.2011 Slide 23
  • 24. Разные коллекции изображений  Zurich building image database  0.5GB  http://www.vision.ee.ethz.ch/showroom/zubud/i ndex.en.html  Caltech 101, 256  30К+ изображений, 1.3GB  http://www.vision.caltech.edu/Image_Datasets/ Caltech101/  ImageNet  http://www.image-net.org 30.07.2011 Slide 24
  • 25. LabelMe  Ручная разметка изображения на объекты и их аннотирование  Web-сайт  Тысячи изображений  Общедоступная коллекция размеченных изображений http://labelme.csail.mit.edu/index.html 30.07.2011 Slide 25
  • 26. Mechanical Turk (1770) • Automaton Chess Player – робот, игравший в шахматы • Автоматон двигает фигуры, говорит «Чек» и обыгрывает всех! • C 1770 по 1854 развлекал публику, только в 1820 году раскрыли обман
  • 27. Amazon Mechanical Turk Workers Task: Dog? Broker Answer: Yes Pay: $0.01 Is this a dog? o Yes www.mturk.com o No Task $0.01 • Интернет-брокер для выполнения интеллектуальных заданий по анализу изображений
  • 28. PASCAL  Конкурсы  Классификация  Поиск (bounding box)  Сегментация (точный контур)  Набор тестовых баз  Выделенный сервер для анализа поданных данных  Итоговый семинар http://pascallin.ecs.soton.ac.uk/challenges/VOC/voc2009/index.html 30.07.2011 Slide 28
  • 29. ImageNet  Total number of images: 12184113  Number of images with bounding box annotations: 657,827 30.07.2011 Slide 29
  • 30. PETS  Performance evaluation of tracking and video surveillance workshop  Разные задачи  Слежение  Распознавание действий  Определение оставленных предметов  Набор видео для каждой задачи с нескольких камер http://winterpets09.net/ 30.07.2011 Slide 30
  • 31. Сайты и рейтинги  Middlebury stereo page  http://vision.middlebury.edu/stereo/  MRF Minimization  http://vision.middlebury.edu/MRF/  Multi-view stereo  http://vision.middlebury.edu/mview/  Optical flow  http://vision.middlebury.edu/flow/ 30.07.2011 Slide 31
  • 32. Матирование изображений http://www.alphamatting.com/ 30.07.2011 Slide 32
  • 33. Программные библиотеки  С/С++/Matlab  OpenCV 2.0  VLFeat  http://www.vlfeat.org/  STAIR Vision Library  http://ai.stanford.edu/~sgould/svl/ 30.07.2011 Slide 33
  • 34. Списки наработок https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html 30.07.2011 Slide 34
  • 35. ALE  http://cms.brookes.ac.uk/staff/PhilipTorr/ale.htm 30.07.2011 Slide 35
  • 36. Компании Видеоаналитика Дистанционный ГИС, Аэро, 3D и коллекции контроль Спецэффекты Роботы и машины Документооборот 30.07.2011 Slide 36
  • 37. ГрафиКон  Списки и материалы  Компаний  Лабораторий  История области  Видеокурсы 30.07.2011 Slide 37
  • 38. Цели и задачи  Сформировать и укрепить российское сообщество в области компьютерной графики и компьютерного зрения  Ввести его в мировое научное пространство 30.07.2011 Slide 38