Temat pracy dyplomowej magisterskiej

Katedra Inżynierii Wiedzy 2009
Temat pracy dyplomowej Detekcja obiektów w plikach graficznych zamieszczonych na
magisterskiej
stronach www wraz z klasyfikacją stron
Tytuł w j. angielskim Object detection in graphical files from www pages with page
classification
Opiekun pracy dr inż. Maciej Smiatacz
Konsultant pracy mgr inż. Jerzy Dembski, dr inż. Jacek Lebiedź
Cel pracy Celem pracy jest zbadanie możliwości wykrywania określonych
obiektów np. samochodów w plikach graficznych (zdjęcia lub
rysunki) na stronach www wraz z klasyfikacją stron na podstawie
znalezionych na nich treści, a także samych plików graficznych.
Dzięki podziałowi na kategorie (klasy) możliwe stałoby się
wyszukiwanie stron konkretnej klasy, np. samochodów zabytkowych,
samochodów na sprzedaż, symboli, itd. Klasyfikacja powinna się
opierać na wynikach analizy obrazów graficznych, jak również na
wynikach analizy tekstu, dzięki czemu błąd klasyfikacji powinien być
mniejszy, niż w przypadku wykorzystania tylko jednej opcji. Celem
dodatkowym jest zbadanie możliwości uczenia systemu z
uwzględnieniem specyfiki obiektów konkretnego typu (np.
samochodów) przy wykorzystaniu znanych algorytmów detekcji np.
w problemie detekcji twarzy.
Zadania do wykonania 1. Zapoznanie się z literaturą dotyczącą detekcji obiektów, analizy
tekstów, a także systemów uczących się, wykorzystanych w
problemie uczenia klasyfikatora.
2. Opracowanie efektywnych algorytmów detekcji w oparciu o
istniejące rozwiązania (algorytmy oparte na boostingu wraz z
transformacją falkową lub algorytmy aktywnego kształtu) z
wykorzystaniem metod maszynowego uczenia się.
3. Analiza możliwości łączenia informacji różnego typu (obraz+tekst)
w systemach klasyfikacji
4. Implementacja wybranych metod, wykonanie eksperymentów oraz
podsumowanie otrzymanych rezultatów.
Literatura 1. Arabas J.: Wykłady z algorytmów ewolucyjnych, WNT, Warszawa
2001.
2. Bishop C.M.: Neural Networks for Pattern Recognition, Clarendon
Press, Oxford, 1995.
3. Cichosz P.: Systemy uczące się, WNT, Warszawa 2000.
4. Goldberg D.E.: Genetic Algorithms in Search, Optimization and
Machine Learning, Addison-Wesley Inc., 1989.
5. Mitchell T. M.: Machine Learning, McGraw-Hill, 1997.
6. Schalkof R.J.: Pattern Recognition: statistical, structural and
neural approaches, R.R. Donnelley & Sons, 1992.
7. Viola P., Jones M.: Robust Real-Time Face Detection,
International Journal of Computer Vision 57(2), pp. 137-154,
2004.
Uwagi
Dyplomant
- 8 -