Основная директория должна иметь название FamiliaIO. Внутри необходимо создать
3 вложенные диреитории в соответствии с номерами практических работ.
lab1lab2lab3
Порядок выдачи: после лекции 2.
Задача. Разработать библиотеку фильтров с помощью базовых операций над изображениями (матрицами) в OpenCV:
- Функция перевода изображения в оттенки серого.
- Функция изменения разрешения изображения.
- Функция применения фотоэффекта сепии к изображению.
- Функция применения фотоэффекта виньетки к изображению.
- Функция пикселизации заданной прямоугольной области изображения.
Требования:
- Язык разработки – Python, среда разработки – Spyder или любая другая.
- При реализации функций можно использовать только базовые операции над изображением, нельзя использовать высокоуровневые функции обработки изображений библиотеки OpenCV.
- Скрипт должен содержать набор функций в соответствии с перечнем из постановки задачи и демонстрировать их использование. Использование включает загрузку исходного изображения, применение функции фильтрации, отображение исходного и отфильтрованного изображения.
- Скрипт должен сопровождаться файлом README.md, в котором дается описание алгоритма реализации каждого фильтра (мини-отчет).
- В шапке файла README.md необходимо указать название практической работы: "Практическая работа №1. Обработка изображений с использованием библиотеки OpenCV".
- Результаты выполнения практической работы должны быть выложены в личный форк репозитория курса. При этом директория практической работы содержит скрипт и файл README.md.
Порядок выдачи: после лекции 3.
Задача. Разработать два приложения для классификации изображений набора данных XXX.
- Первое приложение должно реализовывать алгоритм «мешок слов».
- Второе приложение должно использовать существующие обученные глубокие модели для классификации изображений.
Каждое приложение должно состоять из двух основных частей:
- Реализация алгоритма.
- Вычисление показателя качества решения задачи классификации на тестовой выборке.
Требования:
- Язык разработки – Python, среда разработки – Spyder или любая другая.
- Скрипт должен сопровождаться файлом README.md, в котором дается описание реализованных алгоритмов (мини-отчет).
- В шапке файла README.md необходимо указать название практической работы: "Практическая работа №2. Классификация изображений с использованием библиотеки OpenCV".
- Результаты выполнения практической работы должны быть выложены в репозиторий курса. При этом директория практической работы содержит скрипт и файл README.md.
Порядок выдачи: после лекции 4 (постобработка после лекции 6).
Задача. Разработать приложение для детектирования объектов с использованием обученной нейронной сети XXX.
Требования:
- Язык разработки – Python, среда разработки – Spyder или любая другая.
- При реализации необходимо использовать модуль DNN библиотеки OpenCV.
- Приложение должно содержать функцию детектирования объектов, а также демонстрацию его использования. Демо загружает изображение, вызывает функцию детектирования объектов, отображает изображение, на котором отрисованы прямоугольниками разных цветов объекты разных классов (цвет соответствует классу объектов), и выводит статистику (число объектов каждого класса). При отображении в левом верхнем углу каждого прямоугольника необходимо написать название класса и достоверность наличия объекта в этом прямоугольнике (точность для отображения вещественного числа – три знака после запятой).
- Скрипт должен сопровождаться файлом README.md, в котором дается описание реализованных алгоритмов предварительной обработки и обработки выхода сети (мини-отчет).
- В шапке файла README.md необходимо указать название практической работы: "Практическая работа №3. Детектирование объектов на изображениях с использованием библиотеки OpenCV".
- Результаты выполнения практической работы должны быть выложены в репозиторий курса. При этом директория практической работы содержит скрипт и файл README.md.