PSI3471 (2019): Fundamentos de Sistemas Eletrônicos Inteligentes

Informações sobre o curso:


Aulas: Sala B2-09

segunda-feira 7:30-9:10
 quarta-feira 9:20-11:00
18/02 Emílio-1 20/02 Emílio-2
25/03 Emílio-3
 27/03 Emílio-4
04/03 Carnaval
 06/03 Carnaval
11/03 Emílio-5 13/03 Emílio-6
18/03 Emílio-7 20/03 Emílio-8
25/03 Emílio-9
 27/03 Emílio-10
01/04 Emílio-11 03/04 Emílio-12
08/04 Emílio-13 10/04 Emílio-14
15/04 Semana Santa
 		17/04 Semana Santa
22/04 Emílio-15 24/04 Hae-1
29/04 Sem aula
 		01/05 Dia do trabalho
06/05 P1 (Emílio) 08/05 Hae-2
13/05 Hae-3 15/05 Hae (dia de greve)
20/05 Hae-4 22/05 Hae-5
27/05 Hae-6
 29/05 Hae-7
03/06 Hae-8 05/06 Hae-9
10/06 Hae-10 (entrega EP1) 12/06 Hae-11
17/06 Hae-12 19/06 Hae-13
24/06 Semana de provas
 		26/06 Semana de provas
01/07 Sem aula
 03/07 (entrega EP2)

Critério de nota:

Se min{MEmilio,MHae}>=3
    então MFinal = (MEmilio+MHae)/2
    senão MFinal = min{MEmilio,MHae}

PSub somente em caráter excepcional para quem justificar a falta numa das duas provas (doença, luto, etc). No dia a combinar.


Critério de nota do prof. Hae:

Materiais do prof. Hae:


Faremos dois exercícios-programas, para serem resolvidos em duplas (ou individualmente).

Slides da primeira aula: primeira_aula.pdf primeira_aula.odt
Slides sobre deep learning: deeplearning.pdf deeplearning.odg


Aulas planejadas:

O conteúdo da minha parte desta disciplina é basicamente:
1) Processamento de Imagens e Visão Computacional.
2) Aprendizagem de Máquina aplicada em Processamento de Imagens e Visão Computacional (incluindo rede neural convolucional e deep learning).


Aula
 Matéria planejada
 Matéria dada
 Apostilas
1

 Apresentação sobre deep learning
Conceitos básicos.
Diferentes áreas de processamento de imagens, visão computacional e aprendizagem de máquina.
OpenCV e Cekeikon. C++ e Python.
Programas exemplos.
Acesso aos pixels.
deeplearning
basico
cekeikon_opencv
2

 Modelos de cores.
Brilho/contraste.
Limiarização.
Otsu.
Histograma.
basico
limiar
3

 Componente conexo. Fila, pilha e recursão.
Crescimento de semente.
Menor caminho.
compcon
4

 Filtros restritos a janela - 1: mediana, média móvel.
Filtros "restritos a janela" - 2: filtros lineares.
Gradiente, Laplaciano, Sobel, Roberts.
Convolução. Correlação.
Convolução através de FFT.
filtros
convolucao
5

 Normalized cross correlation.
Template matching simplificado
Template matching.
tmatch-simp
tmatch
6

 Reamostragem e interpolação (vizinho mais próximo, bilinear, bicúbica, sinc).
Coordenadas homogêneas, transformada afim, transformada perspectiva.
reamost
transformacao
7
 		Aprendizagem de máquina-1
Aprendizagem de operador: ponta de reta, aresta, letra Aa.
vizinho mais próximo [força bruta e kd-árvore (flann)].
árvore de decisão, ganho de informação
aprendizagem Bayes
Adaboost
Features úteis e inúteis
aprendizagem
8
 Aprendizagem de máquina avançada
MNIST usando métodos não-convolucionais
Implementação de rede neural "do zero"
mle_avancada
redeneural
9
 Overview sobre deep learning
Tiny-dnn, Tensorflow/Keras/Python
rede neural convolucional
MNIST usando rede neural convolucional
Funções de ativação, estruturas de rede neural profunda, algoritmos de otimização.
CIFAR-10
deeplearning
convolutional
convolutional-keras
10

 Elipse-retângulo
Identificação pelo rosto
Identificar rosto masculino/feminino
Identificar rosto sorridente/neutro
CIFAR-10
convolutional
convolutional-keras
Cifar
11
 Aumento de resolução por aprendizagem de máquina
Colorização
U-net
convolutional-keras
12
 Outros assuntos.
Aprendizagem não-supervisionada
Histograma de gradiente orientado (HOG).
Localização de pessoas
Localização de rostos. Viola-Jones.
Identificação de rostos.
não_supervisionada
mle_avancada
integral
Cifar

Exercícios programas: