Program konference

V zadnjem desetletju se je v Laboratoriju za računalniški vid na FRI UL oblikovala močna skupina, ki dela na področju biometrije. Skupina je močno povezana z Laboratorijem za strojno inteligenco na FE UL. Prvi ključni koraki so bili narejeni v okviru kompetenčnih centrov, kjer smo v oblaku naredili fuzijo dveh modalnosti, obrazov in prstih odtisov. Vzporedno s tem se je odvijalo takrat tudi delo na razpoznavanju ljudi iz načina gibanja. Nato pa je delo na področju biometrije dobilo še dodaten zagon. Posvetili smo se povsem novi modalnosti uhljev, začeli delati na izzivu fotorealistične deidentifikacije obrazov, dodali beločnico, šarenico ter obočesno regijo kot naslednje tri sveže modalnosti. V zadnjem času se ukvarjamo tudi z detekcijo globokih ponaredkov, oceno pravilnega nošenja mask, virtualnim pomerjanjem oblačil, obdelavo latentnih prstnih odtisov in celovitim ohranjanjem zasebnosti obrazov. Na drugi stopnji študija smo pred časom uvedli tudi nov izbirni predmet Slikovna biometrija. Ta ima letos spet skoraj 90 slušateljev. Število članov skupine trenutno raste iz leta v leto, temu primerno tudi financiranje in publikacije na ključnih konferencah ter v revijah, nenazadnje pa se vpliv skupine pozna tudi pri organizaciji tekmovanj na teh konferencah ter tudi zmagah na sorodnih tekmovanjih. Predavanje bo osvetlilo prehojeno pot skozi ključne raziskovalne vsebine.

Kmetijstvo je ena izmed panog, ki ob podpori digitalizacije doživlja ponoven preporod. Množica novih tehnoloških rešitev, kot so sistemi bližnjega ali oddaljenega zaznavanja, mobilne aplikacije, IoT in druge tehnologije ponujajo nove možnosti, ki jih izkoriščajo principi preciznega kmetijstva. Precizno kmetijstvo kmetovalcem omogoča selektivno, usmerjeno in natančno obdelavo, kar pa omogoča precejšnje prihranke pri porabi vhodnih surovin, manjšo ekološko obremenitev okolja in večji donos. V sklopu vabljenega predavanja je predstavljenih nekaj izbranih tem, ki zajemajo uporabo avtonomnih poljedelskih robotov, brezpilotnih letalnikov in naprednih senzorskih sistemov, ki temeljijo na postopkih digitalne obdelave signalov. V sklopu izbranih tem bodo predstavljene prednosti in priložnosti, ki jih postopki digitalizacije nudijo za sodobna kmetijska gospodarstva.

Segmentacija je pomemben del številnih problemov računalniškega vida, ki vključujejo človeške podobe, in je ena ključnih komponent, ki vpliva na uspešnost vseh nadaljnjih nalog. Več predhodnih del je ta problem obravnavalo z uporabo večciljnega modela, ki izkorišča korelacije med različnimi nalogami za izboljšanje uspešnosti segmentacije. Na podlagi uspešnosti takšnih rešitev v tem prispevku predstavljamo nov večciljni model za segmentacijo/razčlenjevanje ljudi, ki vključuje tri naloge, tj. (i) napoved skeletnih točk, (ii) napoved globinske predstavitve poze in (iii ) segmentacijo človeškega telesa. Glavna ideja predlaganega modela Segmentacija-Skelet-Globinska predstavitev (ali na kratko iz angleščine SPD) je naučiti se boljšega modela segmentacije z izmenjavo znanja med različnimi, a med seboj povezanimi nalogami. SPD temelji na skupni hrbtenici globoke nevronske mreže, ki se razcepi na tri glave modela, specifične za nalogo, in se uči z uporabo cilja optimizacije za več nalog. Učinkovitost modela je analizirana s strogimi eksperimenti na nizih podatkov LIP in ATR ter v primerjavi z nedavnim (najsodobnejšim) večciljnim modelom segmentacije telesa. Predstavljene so tudi študije ablacije. Naši eksperimentalni rezultati kažejo, da je predlagani večciljni (segmentacijski) model zelo konkurenčen in da uvedba dodatnih nalog prispeva k večji skupni uspešnosti segmentacije.

Sodobno kmetijstvo se srečuje z vedno višjo stopnjo avtomatizacije, katere cilj je pridelati več pridelka, ki dosega višjo kakovosti, vse to ob manjših negativnih učinkih na okolje in s potencialom ohranitve narave za naslednje generacije. V ta namen smo v sklopu študentskega projekta razvoja avtonomnega kmetijskega robota Farmbeast ustvarili sistem za selektivno škropljenje plevela, katerega del sta dva algoritma za ločevanje ozko- in širokolistnih rastlin, nujna za ločevanje plevela od pridelka. Ob uporabi testnega nabora slik je prvi algoritem uspešno zaznal širokolistni plevel s 53,3 % in ozkolistni s 93,3 % uspešnostjo medtem, ko drugi algoritem obe sorti plevela uspešno loči v 93,3 %. Delo opisuje tudi orodje, ki je bilo v sklopu projekta razvito in deluje na podlagi algoritma ter škropi s potrebnim herbicidom.

Cilj članka je opis razvoja spletne aplikacije za detekcijo vlitih navojev segrevane deske za sneg s pomočjo termografske kamere v okolju SICK AppStudio, ki omogoča razvoj v programskem jeziku Lua na računalniku SICK SIM4000. V začetku sta predstavljeni področji računalniškega vida in termografskih kamer. V naslednjem koraku je predstavljena oprema in pripadajoče tehnologije, ki smo jih uporabili. V nadaljevanju pa je prikazana implementacija dveh algoritmov za detekcijo navojev: zaznavanje področij in Houghova transformacija kroga ter njuna primerjava.

Zdi se, da kljub nedorečeni definiciji področja, o umetni inteligentnosti (UI) danes vsi vse vemo. V ožjem, raziskovalnem smislu, se UI povezuje tako z razvojem novih računskih metod kot njihovo uporabo v praksi. V prispevku poročamo o rezultatih analize bibliografskih zapisov s področja UI od leta 2000 do danes. Predstavimo konstrukcijo omrežja sopojavnosti ključnih besed v času in analiziramo tematike, s katerimi so se ukvarjali raziskovalci v preteklih dveh desetletjih.

V članku predstavimo model konvolucijske nevronske mreže za ocenjevanje starosti osebe iz digitalnega posnetka. Kot osnova za naš model je bila uporabljena in modificirana obstoječa arhitektura konvolucijske nevronske mreže VGG- Face, namenjena razpoznavanju obrazov. Za učenje in testiranje sta bili uporabljeni bazi podatkov IMDB-WIKI in FG-NET. Na bazi podatkov IMDB-WIKI je bila dosežena povprečna napaka med dejansko in ocenjeno starostjo 6,7 leta, na bazi podatkov FG-NET pa je z validacijsko metodo »izpusti-eno-osebo« bila izračunana povprečna napaka med dejansko in ocenjeno starostjo 3,9 leta. Dobljeni rezultati so primerljivi oziroma le malo zaostajajo za najuspešnejšimi metodami za ocenjevanje starosti osebe iz digitalnega posnetka. Na tej osnovi naš model ocenjujemo kot primeren za uporabo v produkcijskih rešitvah.