Vabljena predavanja

dr. Borut Batagelj
UL-FRI, Ljubljana

UPORABA METOD RAČUNALNIŠKEGA VIDA PRI DELU SODNEGA IZVEDENCA

Povzetek

Ko sodišče presodi, da mu je pri njihovi presoji potrebna pomoč strokovnjaka, zaprosi sodnega izvedenca za izdelavo mnenja glede strokovnih vprašanj. Predavatelj bo predstavil težave in izzive s katerimi se kot sodni izvedenec srečuje pri svojem delu na področju biometričnih prepoznav obrazov in avtentičnosti slik.

Preden lahko na sliki iz nadzorne kamere uporabimo sistem za samodejno prepoznavo obrazov, jo moramo z različnimi metodami za obdelavo slik izboljšati in popraviti. Z metodo računalniškega vida iz slik rekonstruiramo 3D informacije. Včasih je treba potrditi tudi pristnost videomateriala, za kar lahko uporabimo različne tehnike na podlagi poznavanja formata zapisa in delovanja algoritmov za obdelavo slike in videa. Če identifikacija na osnovi obraza ni mogoča ali je neuspešna, lahko uporabimo tudi druge biometrične karakteristike osebe − mehke biometrike. Sodni izvedenec za slikovno biometrijo mora razumeti in znati uporabiti različne metode za obdelavo slik in različna orodja računalniškega vida. Sposoben mora biti tudi razložiti svoje ugotovitve in oceniti verjetnost končnega rezultata.

Kratka biografija

Dr. Borut Batagelj je višji predavatelj na Fakulteti za računalništvo in informatiko Univerze v Ljubljani in član Laboratorija za računalniški vid. Že od začetka svojih raziskav so ga zanimali biometrični sistemi za identifikacijo oseb na osnovi slik. V okviru svoje disertacije je razvil sistem za iskanje in prepoznavo obrazov pod spremenljivimi pogoji, kot so staranje, osvetlitev, zakrivanje in izrazi. V zadnjem času ga predvsem zanimajo sistemi, ki prepoznavajo obraze iz skic, kot so primeri fotorobotov in slik obrazov slabših resolucij, zajetih s pomočjo nadzornih kamer.

Kot zapriseženi sodni izvedenec za področje forenzično-kriminalistično tehničnih preiskav se ukvarja s preiskavami fotografij ter posnetkov video kamer. Njegovo delo obsega prepoznavo avtentičnosti fotografij in posnetkov ter analizo slik za potrebe identifikacije oseb na posnetkih.

izr. prof. dr. Danijel Skočaj
UL-FRI, Ljubljana

GLOBOKO UČENJE V INDUSTRIJSKIH APLIKACIJAH

Povzetek

V zadnjih letih smo priča zelo velikemu napredku na področju računalnikega vida, ki predvsem na krilih globokega učenja dosega odlične rezultate in v obliki raznih aplikacij in robotskih sistemov vstopa na najrazličnejša področja našega življenja. V predavaju bomo osvetlili te zadnje trende in na primerih konkretnih projektov predstavili zmogljivosti globokega učenja tudi na področju industrijskih aplikacij. Predstavili bomo primere detekcije, klasifikacije, štetja in segmentacije predmetov in slik na različnih problemskih domenah. Metodologija, osnovana na globokem učenju, omogoča zamenjavo paradigme razvoja aplikacij računalniškega vida; namesto klasičnega inženirskega pristopa s snovanjem namenskih značilnic in algoritmov se vse bolj uveljavlja pristop, ki temelji na podatkih in globokem učenju. Tako lahko pričakujemo prodor tovrstnih aplikacij tudi na področje strojnega vida.

Kratka biografija

Izr. prof. dr. Danijel Skočaj je predstojnik Laboratorija za umetne vizualne spoznavne sisteme na Fakulteti za računalništvo in informatiko Univerze v Ljubljani. Raziskovalno se ukvarja predvsem z računalniškim vidom in spoznavno robotiko. V okviru temeljnih in aplikativnih raziskav razvija in uvaja nove napredne metode strojnega učenja in računalniškega vida za reševanje kompleksnih problemov, ki zahtevajo procesiranje vizualne informacije. Zanima ga tudi etični vidik umetne inteligence, strojnega učenja in robotike ter vpliv razvoja teh tehnologij na družbo. Ima bogate izkušnje iz vodenja raziskovalnih in aplikativnih projektov, tako evropskih in nacionalnih, kot tudi projektov financiranih s strani industrijskih partnerjev. Bil je predsednik Slovenskega društva za razpoznavanje vzorcev in odbora za računalništvo Computer Society pri IEEE Slovenija.

dr. Jure Skvarč
Kolektor Vision, Ljubljana

PRAKTIČNA UPORABA METOD UMETNE INTELIGENCE V INDUSTRIJSKEM OKOLJU

Povzetek

Umetna inteligenca (UI) je področje informatike z interdisciplinarnim značajem. Cilj UI je razvoj naprav, ki se vedejo, kot da bi razpolagale z inteligenco. S postopki strojnega in globokega učenja računalnike naučimo, da so sposobni učinkovito opravljati naloge v ozki domeni. S tehnologijo vizualne inteligence lahko izjemno nadgradimo zmogljivosti sistemov strojnega vida v industriji. Lahko rešujemo do sedaj nerešene probleme in odpiramo nove priložnosti za uporabo. V prispevku bodo predstavljeni konkretni primeri iz prakse, ki bodo pokazali, da UI spreminja paradigmo reševanja izzivov na področju strojnega vida v industrijskem okolju.

Popoldanska sekcija:
Globoko učenje: Praktični nasveti strokovnjakov

Kratka biografija

Dr. Jure Skvarč znanstveno in strokovno deluje na področjih strojnega vida in umetne inteligence. Zadnjih 20 let se ukvarja s praktično implementacijo tehnologij strojnega vida, robotike in umetne inteligence v industrijska okolja. Sodeloval je pri izvedbi več kot 1000 projektov za slovenske in tuje naročnike. Zaposlen je v podjetju Kolektor Orodjarna, kjer je odgovoren za poslovno enoto Vision. Hkrati sodeluje pri snovanju in implementaciji strategije koncerna Kolektor na področju digitalizacije. Jure Skvarč je aktiven član združenja European Machine Vision Association ter član ožje delovne skupine pri nemški zbornici VDMA, ki pripravlja mednarodni standard OPC UA Vision.

Gašper Sedej
UM-FERI, Maribor

GLOBOKO UČENJE: OD SAMOVOZEČIH AVTOMOBILOV DO ANOTACIJE RENTGENSKIH SLIK

Povzetek

Globoko učenje dosega v zadnjem času izjemen razcvet. Napredek in podpora ustrezne strojne opreme v obliki grafičnih procesnih enot je omogočila razvoj praktičnih aplikacij, predvsem na področju samovozečih avtomobilov. Prav to področje se zelo naslanja na računalniški vid, podprt z globokim učenjem. Ena izmed ključnih nalog na tem področju je segmentacija slik, tj. razčlenitev slike v ustrezne razrede. V tem predavanju si bomo ogledali postopek, kako tehnologijo, prvenstveno namenjeno samovozečim avtomobilom, prirediti za biomedicinske raziskave in aplikacije. Slednje bomo demonstrirali na konkretnem problemu zaznave karakterističnih kefalometričnih točk na rentgenski sliki profila obraza.

Popoldanska sekcija:
Globoko učenje: Praktični nasveti strokovnjakov

Kratka biografija

Gašper Sedej je član Laboratorija za sistemsko programsko opremo na UM-FERI. Študij na študijskem programu Računalništvo in informacijske tehnologije na UM-FERI je zaključil z magistrskim delom z naslovom "Detekcija kefalometričnih točk na rentgenski sliki glave s pomočjo tehnik globokega učenja", ki spada na področje umetne inteligence. V preteklosti je sodeloval na projektu izdelave visoko ločljivostnega sistema za oddaljen video nadzor in spremljanje gradnje. Je zagovornik odprte kode in odprtih standardov. Zaposlen je kot tehnični sodelavec laboratorija.

dr. Matthias Kerschhaggl
EVK, Gradec, Avstrija

STATE OF THE ART HYPERSPECTRAL DATA ANALYSIS AND PROSPECTS WITH RESPECT TO AI

Abstract

Multidimensional data such as stemming from hyperspectral imagery (HSI) with its high degree of collinearity need sophisticated multivariate methods to extract relevant features in various machine vision applications. Most of the current methods emphasize the spectroscopic nature of the data and focus less on other features such as object shape and texture also present in HSI-cubes. Corresponding features are often treated separately and sequentially rather than analysing the data following a more holistic approach. This limitation can be overcome by introducing e.g. deep learning methods (such as stacked autoencoders) to these combined spatio-spectral datasets. This talk will give a brief introduction into state of the art hyperspectral analysis algorithms as well as an outlook into the benefits of modern AI methods related to this high potential machine vision technology.

Popoldanska sekcija:
Globoko učenje: Praktični nasveti strokovnjakov

Kratka biografija

Dr. Matthias Kerschhaggl is the CTO of EVK GmbH an Austrian based expert company for industrial imaging. There he is responsible for data science and analytics predominantly dealing with data streams stemming from sensor based sorting and control applications used in industries such as food, chemical, mining and pharmaceuticals. He holds a PHD in experimental physics and has more than 12 years of experience in the fields of statistical learning and data mining of datasets from various areas (astroparticle physics, integral field spectrographs, hyperspectral and inductive imaging).