Welcome to the website of CVLab!

Computer Vision Laboratory (CVLAB) of the Graduate school of Systems and Information Engineering at the University of Tsukuba by Professor Kazuhiro Fukui.
Cvlab’s Datasets and Source Code

In CVLAb we study the field of Computer Vision.
In this section you will be able to find the latest Datasets, Source Codes and Papers developed in our laboratory, and download them for Educational purposes under the license of creative commons.

Lectures and Publications

Find a list of our publications in International Conferences, Domestic Conferences and Journal Papers, as well as detailed information about aur lectures at University of Tsukuba.

Become a part of Cvlab

In CVLAB we are always looking for motivated students to help us with our efforts.

If you would like to join our lab, please get in touch with us through the contact section or contact a member of our staff.

News

In this section you can find all the news related with our Lab's activities:

01 December, 2007

2011年度 画像認識特論

2011年度 画像認識特論


お知らせ

  • 2月28日のレポート発表会について
    • 持ち時間は一人10分以内を予定しています.
    • 特別措置対象者も出席してください.
    • 順番は当日お知らせします.
    • 追加資料がある場合には,明日9:00までにTA大川まで送付してください.
  • 相互部分空間法のコード等は,下記のリンクを参照してください.

講義情報

担当教員 システム情報工学研究科CS専攻 福井 和広
TA       CS専攻 博士後期2年 大川 泰弘
教室         3A409


レポートについて

締切りは2月24日(金)23時59分
下記の内容を含めたレポートを提出.
  • レポート課題
    1. 複数枚の画像データを収集し,その分布の第1~3主成分ベクトルを求めよ.
    2. 各画像のデータを第1~3主成分ベクトルが張る3次元部分空間(固有空間)へ射影し,射影点の分布を3次元にプロットしなさい.
    3. 第1~10主成分ベクトルを画像化し,表示しなさい.
    4. プロット結果および主成分ベクトルの特性について様々な観点から考察せよ.
    5. 3次元固有空間へ射影されたデータに対して,識別実験を実施しなさい.識別法は講義で学んだ方法を適用すること.
    6. 各画像のデータを重判別分析により求めた3次元判別空間へ射影し,射影点の分布を3次元にプロットしなさい.
    7. 重判別分析により求めた3次元判別空間に射影されたデータに対して,v.と同様に識別実験を実施しなさい.
    8. 上記 v.と vii.の結果を比較し,考察せよ.
  • 提出物
    • レポート本体(*.ppt, *.pptx)
      • 主題:画像認識特論レポート
      • 副題:*****に対する主成分分析と判別分析の比較
      • 学籍番号,名前
      • 収集した画像データに対する説明(撮影方法,データベースの種類等)
      • レポート課題 i. ~ vii . の内容全て(3次元プロット図,画像化されたベクトル,考察等)
    • 作成したコード(*.m, *.sci, *.cpp 等)
    • 提出方法
      • ファイルの名前は [学籍氏名.拡張子]とする
      • レポートとコードを同一のフォルダ[学籍-氏名]に格納し,zipで圧縮
    • アップローダーにアップロードできるファイルは zip 形式のみです.
  • 注意事項
    • 締切厳守
    • アップローダーの注意書きを読むこと
    • 対象は何でも良い.(3次元物体,風景,多視点画像,動画像列)
    • 収集方法は自由.(独自収集,ダウンロード)
    • ユニークな対象を期待
    • クラス数は4つ,各クラスは30枚以上.
    • 画像サイズは30x30ピクセル以上.但し,あまりに大きいと計算できなくなるので注意(100x100ピクセルが限界).
    • Matlab,Scilab,Octave 等の数値計算ソフトを用いた方が良い.C言語等で実装する場合は,GNU Scientific Library 等のライブラリを用いること.
    • カラー(RGB)画像の取扱に注意.
    • 最終日(2月28日)に発表会を実施します.


単位の早期認定特別措置について

提出ページ 締切りは2月9日(木)23時59分
単位の早期認定特別措置を申請する学生は,以下のいずれか課題を選択してください。
【課題1】
第6回までの講義で学んだ画像認識の基本知識をできるだけ多く用いて、画像認 識システムを仮想設計せよ。
(1)識別対象は自由に選んで良い。
(2)流れ図や式を用いて説明すること。
(3)どの講義で説明した基本知識を使ったかを示すこと。、
(4)自分なりに工夫した点があればそれをアピールすること。
(5)A4 4ページ以上(表紙等を含まない)
【課題2】
(1)主成分分析の原理を図や式を用いて詳しく説明せよ。
(2)主成分分析を利用した画像認識の事例を2つ以上、取り上げてそのアルゴリズムを説明したうえで、そこで主成分分析が果たしている役割について論ぜよ。
(3)A4 3ページ以上(表紙等を含まない)
注意:上記いずれの課題に対しても、明らかに、講義内容を理解していないと判断できるレポートは、不合格とします。


講義資料

配付資料8に幾つか誤りがありました.
  • スライド24
    • X=(x1,x2, Xq)=>(x1,x2, xp)
  • スライド26 式(12)(13)
    • a^tX^tYB=1 => a^tX^tXa=1 (12)
    • b^tY^tXa=1 => b^tY^tYb=1 (13)

講義予定

  • 画像認識の概要
    • 様々な応用事例に基づいて画像認識の本質を理解
  • 画像認識の数理
    • 線形代数,統計を中心として,画像認識に必要な数理
  • 線形識別理論
    • 主成分分析,線形判別分析,正準相関分析,部分空間法 など
  • 非線形識別理論
    • カーネル主成分分析,カーネル判別分析,非線形部分空 間法など
  • 画像認識のための特徴抽出
    • 様々な位置不変特徴
  • 事例紹介
    • 画像認識システムの実例を紹介する
  • 演習
    • 画像認識システムを試作してみる