О последних лекциях

Последние лекции посвящаются основам компьютерного зрения, машинного обучения и системы компьютерной верстки \(\LaTeX\). Т.к. в рамках курса удастся лишь поверхностно обозреть эти самостоятельные вообще говоря науки, то в следующих страницах этих материалов не ставится цель хоть сколько-нибудь основательно рассмотреть ни сами эти темы, ни соответствующие им фреймворки в python.

Компьютерное зрения

Материалы с лекций

На страницах “Работа с изображениями”, “Свёрточные операции” и “Задача обнаружения” приведены jupyter ноутбуки с кодом, использованным на лекции. В папке можно найти все использованные в них изображения.

На лекциях также использовались презентации с курса “The ancient secrets of computer vision” от вашингтонского университета. Презентации, записи лекций и их практические задания можно найти на указанной странице курса.

Практические задания

Гибридные изображения

Говорят, что Ядро Гаусса отсеивает высокочастотную составляющую изображения, а оставляет только низкочастотную. Значит можно разделить изображение на высокочастотную и низкочастотную части на основе фильтра Гаусса: низкочастотную прямым применением фильтра Гаусса, а высокочастотную — вычтя из исходного изображения высокочастотную.

Этот приём можно использоваться для создания очень странно выглядящих гибридных изображений, в которых низкочастотная составляющая берется от одного изображения, а высокочастотная от другого.

Выше приводится изображение, скомбинированное из фотографии Эйнштейна (высокие частоты) и Монро (низкие частоты). При просмотре на него с разного расстояния (или в разных масштабах) видно или Эйнштейна иди Монро или нечто промежуточное.

Ваша задача по такому же принципу скомбинировать фото Рона Уизли и Альбуса Дамблдора, чтобы получить фото “Ронблдора” приблизительно следующего вида.