Графические модели (курс лекций)/2014/Задание 3

Материал из MachineLearning.

(Различия между версиями)

Перейти к: навигация, поиск

Версия 12:34, 29 марта 2014

Основная статья: Графические модели (курс лекций)/2014

Задание находится в стадии разработки.

Не приступайте к выполнению задания, пока это объявление не убрано.

Задача склеивания изображений: построение одного изображения по набору исходных.

Начало выполнения задания: 1 апреля 2014 г.;
Срок сдачи: 14 апреля 2014 г. (понедельник), 23:59.

Среда для выполнения задания — MATLAB. Неэффективная реализация кода может негативно отразиться на оценке.

Задание состоит из двух вариантов. Распределение вариантов задания по студентам:

Вариант 1: α-расширение	Вариант 2: αβ-замена
Харациди О.	Рыжков А.
Ульянов Д.	Горелов А.
Антипов А.	Львов С.
Сокурский Ю.	Новиков А.
Алешин И.	Шадриков А.
Ломов Н.	Никифоров А.
Найдин О.	Шабашев Ф.
Зиннурова Э.	Подоприхин Д.
Корольков М.	Арбузова Д.
Новиков М. (420)	Петров Г.
Шахуро В. (420)	Грингауз А. (320)
Ибадов Т. (420)	Старцев М. (420)

Марковское случайное поле

Система соседства — прямоугольная решетка

Марковское случайное поле (MRF) — графическая модель, энергия которой записывается в виде:
$E(X) = \sum_{p \in P} D_p(x_p) + \sum_{(p, q) \in \mathcal{E}} V_{pq}(x_p, x_q),$
где P — множество индексов переменных, $\mathcal{E}$ — система соседства, D — унарные потенциалы, V — парные потенциалы.

Рассмотрим модель со следующими ограничениями:

переменные $x_p$ дискретны и принимают значения из множества {1,…,K}, K ≥ 2,
система соседства $\mathcal{E}$ — прямоугольная решетка,

MRF для склеивания изображений

Задача склеивания изображений состоит в построении одного составного изображения на основе набора исходных изображений. В рамках данного задания предполагается, что все исходные изображения выровнены друг относительно друга. В этих условиях задачу можно решать при помощи минимизации энергии, переменные которой соответствуют номеру изображения, из которого взят конкретный пиксель.

Для задачи склеивания энергия строится следующим образом:

Переменная $x_p$ соответствуют финального изображения.
Используется стандартная 4-х связная система соседства.
Унарные потенциалы должны показывать, из каких изображений должны быть взяты некоторые пиксели (так называемые семена).
Парные потенциалы должны поощрять 1) короткие разрезы и 2) расположение разреза там, где изображения хорошо соответствуют друг другу.

В рамках данного задания рассматривается задача поиска конфигурации, обладающей минимальной энергией. Вариант 1 работает с алгоритмом α-расширение, вариант 2 — αβ-замена. Далее в задании алгоритм соответствующего варианта обозначается алгоритм.

Задание

Вывести все формулы, использующиеся в вашей реализации алгоритма (сведение шага алгоритма к разрезу графа).
Реализовать алгоритм, используя выданный код разрезов графов.
Протестировать алгоритм на модельных данных.
Реализовать процедуру решения задачи склеивания двух изображений. Построить не менее 1 композиции, состоящей их двух частей.
Реализовать процедуру склеивания произвольного числа изображений. Построить не менее 1 композиции, состоящей их не менее 4-х частей.
На задаче склеивания Вашего набора изображений сравнить работу алгоритмов α-расширение и αβ-замена. Реализацию недостающего алгоритма можно взять у товарища, выполняющего другой вариант (в отчете обязательно указывать, чей код вы используете). Требуется провести сравнение по энергии получаемого решения, по времени работы, по визуальному качеству решения. Все выводы должны быть подтверждены числами, графиками, картинками.
Написать отчет в формате PDF с описанием всех проведенных исследований.

Спецификация реализуемых функций

Алгоритм

[labels, energy, time] = alphaExpansionGridPotts(unary, vertC, horC, metric)

[labels, energy, time] = alphaExpansionGridPotts(unary, vertC, horC, metric, options)

[labels, energy, time] = alphaBetaSwapGridPotts(unary, vertC, horC, metric)

[labels, energy, time] = alphaBetaSwapGridPotts(unary, vertC, horC, metric, options)

ВХОД

unary — унарные потенциалы, массив типа double размера N x M x K, где N — высота решетки, M — ширина решетки, K — количество меток.

vertC — коэффициенты $c_{pq}$ , соответствующие вертикальным ребрам, массив типа double размера (N — 1) x M;

horC — коэффициенты $c_{pq}$ , соответствующие горизонтальным ребрам, массив типа double размера N x (M — 1);

metric - расстояние между метками соседних переменных, массив типа double размера K x K;

options — (необязательный аргумент) набор дополнительных параметров, структура с полями

'maxIter' — максимально допустимое число итераций алгоритма (по умолчанию = 500);

'display' — параметр типа logical: если true, то при каждом запуске алгоритма разреза графа нужно выводить на экран номер итерации, номера обрабатываемых меток, текущее значение энергии;

'numStart' — количество запусков из разных начальных приближений;

'randOrder' — параметр типа logical: если true, то при каждом запуске использовать случайный порядок меток α и β;

ВЫХОД

labels — разметка, обладающая наименьшей энергией, массив типа double размера N x M;

energy — значения энергии на каждой итерации, вектор типа double длины, равной количеству итераций алгоритма;

time — время, пройденное с начала работы алгоритма до каждой итерации, вектор типа double длины, равной количеству итераций алгоритма;

Обратите внимание: в процедурах alphaExpansionGridPotts и alphaBetaSwapGridPotts параметры N, M, и K определяются неявно по размеру соответствующих элементов.

Стерео

[resultImage, resultMask] = stichImages(images, seeds)

ВХОД

images — набор исходных изображений, cell array размера K x 1, где K – кол-во изображений. Все изображения должны быть одинакового разрешения и содержать ровно 3 цветовых канала.

seeds — маски, заданные пользователем, cell array размера K x 1. Каждый элемент - логический массив размера, равного разрешению изображений, в котором значение true означает, что соответствующий пиксель должен быть взят из соответствующего изображения.

ВЫХОД

resultImage — построенное изображение.

resultMask — маска ответа, массив типа double, по размеру равный разрешению изображения. Элемент results(i,j) равен k, если в построенном изображении пиксель (i, j) взят из исходного изображения номер k.

Данные для выполнения задания

graphCut — MATLAB интерфейс к разрезам графов.

Оформление задания

Выполненный вариант задания необходимо прислать письмом по адресу bayesml@gmail.com с темой «[ГМ14] задание 3, вариант X, фамилия». Убедительная просьба присылать выполненное задание только один раз с окончательным вариантом. Новые версии будут рассматриваться только в самом крайнем случае. Также убедительная просьба строго придерживаться заданной выше спецификации реализуемых функций. Очень трудно проверять большое количество заданий, если у каждого будет свой формат реализации.

Письмо должно содержать:

PDF-файл с описанием проведенных исследований (отчет должен включать в себя описание выполнения каждого пункта задания с приведением соответствующих графиков, изображений, чисел)
Все исходные файлы, реализованные в рамках настоящего задания. Убедитесь, что Ваши файлы работают и соответствуют прототипам!
Не менее двух склеенных изображений и соответствующих им наборов исходных.

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%93%D1%80%D0%B0%D1%84%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%29/2014/%D0%97%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5_3»

Категория: Учебные курсы

@@ Строка 20: / Строка 20: @@
  !''Вариант 1'': α-расширение || ''Вариант 2'': αβ-замена
  |-
- |Кондрашкин Д. || Нижибицкий Е.
+ |Харациди О. || Рыжков А.
  |-
- |Остапец А. || Фонарев А.
+ |Ульянов Д. || Горелов А.
  |-
- |Ромов П. || Лобачева Е.
+ |Антипов А. || Львов С.
  |-
- |Куракин А. || Новиков М.
+ |Сокурский Ю. || Новиков А.
  |-
- |Березин А. || Любимцева М.
+ |Алешин И. || Шадриков А.
  |-
- | Исмагилов Т. || Потапенко А.
+ | Ломов Н. || Никифоров А.
  |-
- | Шаймарданов И. || Зак Е.
+ | Найдин О. || Шабашев Ф.
  |-
- | Малышева Е. || Огнева Д.
+ | Зиннурова Э. || Подоприхин Д.
  |-
- | Морозова Д. || Борисов М.
+ | Корольков М. || Арбузова Д.
  |-
- | Гавриков М. ||
+ |  Новиков М. (420) || Петров Г.
+ |-
+ |  Шахуро В. (420) || Грингауз А. (320)
+ |-
+ |  Ибадов Т. (420) || Старцев М. (420)
  |-
  |}
@@ Строка 53: / Строка 57: @@
 *переменные <tex> x_p </tex> дискретны и принимают значения из множества {1,…,K}, K ≥ 2,
 *система соседства <tex>\mathcal{E} </tex> — прямоугольная решетка,
-*парные потенциалы V представимы в виде произведения множителя, не зависящего от значений соседних переменных, и множителя, зависящего только от них: <tex>V_{pq} = c_{pq} d(x_p, x_q) </tex>.
-=== MRF для стерео ===
+=== MRF для склеивания изображений ===
-Задача стерео состоит в сопоставлении каждому пикселю одного изображения пикселя другого изображений. В рамках данного задания рассматривается выровненное стерео, что означает, что соответствующие пиксели лежат на одной горизонтальной линии. В этих условиях переменные имеют смысл смещений по горизонтали (диспаритетов).
+Задача склеивания изображений состоит в построении одного составного изображения на основе набора исходных изображений. В рамках данного задания предполагается, что все исходные изображения выровнены друг относительно друга. В этих условиях задачу можно решать при помощи минимизации энергии, переменные которой соответствуют номеру изображения, из которого взят конкретный пиксель.
-Для задачи стерео марковское случайное поле строится следующим образом:
+Для задачи склеивания энергия строится следующим образом:
-*Переменная <tex>x_p</tex> соответствуют пикселям одного из изображений.
+*Переменная <tex>x_p</tex> соответствуют финального изображения.
 *Используется стандартная 4-х связная система соседства.
-*Унарные потенциалы должны показывать, насколько хорошо выбранные пиксели двух изображений соответствуют друг другу. В простейшем случае можно взять евклидово расстояние между цветами пикселей в формате [http://en.wikipedia.org/wiki/YUV YUV]. Более совершенные унарные потенциалы описаны в статье: S. Birchfield, C. Tomasi, A pixel dissimilarity measure that is insensitive to image sampling, IEEE TPAMI, 20(4):401–409, 1998, http://ce.sharif.edu/~elno/disparitymap/Papers/dissimilarity_pami1998.pdf.
+*Унарные потенциалы должны показывать, из каких изображений должны быть взяты некоторые пиксели (так называемые семена).
-*В качестве расстояния d между метками соседних переменных можно взять усеченный модуль разности: <tex>d(x_p, x_q) = |x_p - x_q| [x_p-x_q < L] + L [x_p-x_q \geq L]</tex>, L ≥ 0 — параметр.
+*Парные потенциалы должны поощрять 1) короткие разрезы и 2) расположение разреза там, где изображения хорошо соответствуют друг другу.
-*Веса ребер c могут иметь большие значения там, где градиент на изображении мал, и маленькие значения там, где градиент большой.
 В рамках данного задания рассматривается задача поиска конфигурации, обладающей минимальной энергией. Вариант 1 работает с алгоритмом α-расширение, вариант 2 — αβ-замена. Далее в задании алгоритм соответствующего варианта обозначается ''алгоритм''.
@@ Строка 71: / Строка 73: @@
 * Реализовать ''алгоритм'', используя выданный код разрезов графов.
 * Протестировать ''алгоритм'' на модельных данных.
-* Реализовать процедуру решения задачи стерео.
+* Реализовать процедуру решения задачи склеивания двух изображений. Построить не менее 1 композиции, состоящей их двух частей.
-* Подобрать унарные и парные потенциалы так, чтобы на выданных стереопарах достигался хороший (относительно истинных смещений) результат. Набор унарных и парных потенциалов, а также их параметров может быть своим для каждой стереопары.
+* Реализовать процедуру склеивания произвольного числа изображений. Построить не менее 1 композиции, состоящей их не менее 4-х частей.
-* На нескольких стереопарах из предыдущего пункта сравнить работу алгоритмов α-расширение и αβ-замена. Реализацию недостающего алгоритма  можно взять у товарища, выполняющего другой вариант (в отчете обязательно указывать, чей код вы используете). Требуется провести сравнение по энергии получаемого решения, по времени работы, по визуальному качеству решения. Все выводы должны быть подтверждены числами, графиками, картинками.
+* На задаче склеивания Вашего набора изображений сравнить работу алгоритмов α-расширение и αβ-замена. Реализацию недостающего алгоритма  можно взять у товарища, выполняющего другой вариант (в отчете обязательно указывать, чей код вы используете). Требуется провести сравнение по энергии получаемого решения, по времени работы, по визуальному качеству решения. Все выводы должны быть подтверждены числами, графиками, картинками.
 * Написать отчет в формате PDF с описанием всех проведенных исследований.
@@ Строка 129: / Строка 131: @@
  !''Стерео''
  |-
- |[disparity] = stereo(name)
+ |[resultImage, resultMask] = stichImages(images, seeds)
  |-
  |ВХОД
@@ Строка 135: / Строка 137: @@
  |
  {|border="0"
- |name — название стерео пары, строка.
+ |images — набор исходных изображений, cell array размера K x 1, где K – кол-во изображений. Все изображения должны быть одинакового разрешения и содержать ровно 3 цветовых канала.
+  |-
+ |seeds — маски, заданные пользователем, cell array размера K x 1. Каждый элемент - логический массив размера, равного разрешению изображений, в котором значение true означает, что соответствующий пиксель должен быть взят из соответствующего изображения.
  |}
  |-
@@ Строка 142: / Строка 146: @@
  |
  {|
-  |disparity — массив смещений массив типа double размера N x M со значениями -∞,...,∞.
+  |resultImage — построенное изображение.
+  |-
+  |resultMask — маска ответа, массив типа double, по размеру равный разрешению изображения. Элемент results(i,j) равен k, если в построенном изображении пиксель (i, j) взят из исходного изображения номер k.
   |}
  |}
-В каталоге, из которого будет запускаться решение при проверке, будет лежать выданный каталог datasets.
 === Рекомендации по выполнению задания ===
@@ Строка 152: / Строка 157: @@
 #* после каждого применения разреза графа общая энергия не возрастает;
 #* значение энергии, выдаваемое функцией graphCutMex, совпадает со значением энергии, подсчитанным независимой процедурой.
-# Потенциалы для стереопары tsukuba и примеры работы различных алгоритмов: http://vision.middlebury.edu/MRF/results/tsukuba/index.html
+# Обратите внимание, что для достижения хорошего качества решения задачи склеивания, возможно придется изменить интерфейс, выданный в задании.
 === Данные для выполнения задания ===
 [[Media:GM_GraphCut.zip|graphCut]] — MATLAB интерфейс к разрезам графов.
-[[Media:SMAIS11_task2_Converter.zip|rgb2luv]] — конвертер изображений в формат [http://en.wikipedia.org/wiki/YUV YUV].
-[[Media:GM_Stereo_Datasets.zip‎|datasets]] — стереопары.
 === Оформление задания ===
-Выполненный вариант задания необходимо прислать письмом по адресу ''bayesml@gmail.com'' с темой «[ГМ13] задание 4, вариант X, фамилия». Убедительная просьба присылать выполненное задание '''только один раз''' с окончательным вариантом. Новые версии будут рассматриваться только в самом крайнем случае. Также убедительная просьба строго придерживаться заданной выше спецификации реализуемых функций. Очень трудно проверять большое количество заданий, если у каждого будет свой формат реализации.
+Выполненный вариант задания необходимо прислать письмом по адресу ''bayesml@gmail.com'' с темой «[ГМ14] задание 3, вариант X, фамилия». Убедительная просьба присылать выполненное задание '''только один раз''' с окончательным вариантом. Новые версии будут рассматриваться только в самом крайнем случае. Также убедительная просьба строго придерживаться заданной выше спецификации реализуемых функций. Очень трудно проверять большое количество заданий, если у каждого будет свой формат реализации.
 Письмо должно содержать:
 *PDF-файл с описанием проведенных исследований (отчет должен включать в себя описание выполнения каждого пункта задания с приведением соответствующих графиков, изображений, чисел)
 *Все исходные файлы, реализованные в рамках настоящего задания. Убедитесь, что Ваши файлы работают и соответствуют прототипам!
+*Не менее двух склеенных изображений и соответствующих им наборов исходных.
 [[Категория:Учебные курсы]]

Графические модели (курс лекций)/2014/Задание 3

Материал из MachineLearning.

Версия 12:34, 29 марта 2014

Марковское случайное поле

MRF для склеивания изображений

Задание

Спецификация реализуемых функций

Рекомендации по выполнению задания

Данные для выполнения задания

Оформление задания

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты