Reconocimiento de Patrones

Planificacion del curso por dia

(este material tambien esta disponible en las clases de cada capitulo)

Clase 01 Ma. 10-Mar-2020:

• 0.1-Programa del curso [PDF]
• 0.1-Presentacion del curso [PPT]
• 0.1-Libro: Elements of Statistical Learning (Hastie et al., 2008) [Book]
• 0.1-Libro: Neural Networks and Deep Learning (Aggarwal, 2019) [Book]
• 0.1-Libro: Deep Learning (Goodfellow, 2016) [Book]
• 0.1-Libro: Computer Vision (Szeliski, 2010) [Book]
• 0.1-Libro: Computer Vision for X-ray Testing (Mery, 2015) [Book]
• 1.1-Ejercicio vision humana [PPT]
• 1.2-Ejemplo practico [PPT]
• 1.5-Definiciones [PPT]

Clase 02 Ju. 12-Mar-2020:

• 1.1-Vision humana / Vision por computador [PPT]
• 1.3-Formulacion metodologica [Apuntes]
• 1.3-Lectura complementaria [PDF]
• 1.2-Separacion entre letra T y letra Y opcional [matlab]
• 1.2-Imagenes T-Y [imagenes]
• 1.4-Normalizacion de caracteristicas [matlab]

Clase 03 Ma. 17-Mar-2020:

• 1.4-Esquema basico de reconocimiento de patrones [PPT]
• 2.1-Caracteristicas geometricas [PPT]
• 2.1-Caracteristicas geometricas [Paper]
• 2.1-Ejemplo: Caracteristicas geometricas basicas [matlab]
• 2.1-Momentos de Flusser [Paper]
• 2.1-Momentos de Hu [Paper]
• 2.1-Ejercicio de reconocimiento de flechas [PDF]
• 2.1-Ejemplo: Contornos usando descriptores de Fourier [matlab]
• 2.1-Ejemplo: Descripcion de elipses [matlab]
• 2.1-Ejemplo: Reconocimiento de 9 y 6 [matlab]
• 2.1-Ejemplo: Momentos de Hu [matlab]
• 2.1-Video de esta clase [video]
• 2.1-Foro de esta clase [chat]
• 2.1-Foro de sugerencias generales [chat]
• 2.1-Chat de preguntas de zoom de esta clase [txt]

Clase 04 Ju. 19-Mar-2020:

• 2.2-Caracteristicas de intensidad [PPT]
• 2.2-Caracteristicas de intensidad [Paper]
• 2.2-Local Binary Patterns [PPT]
• 2.2-Ejemplo: Verificacion de caras [matlab]
• 2.1-Video de esta clase [video]
• 2.1-Foro de esta clase [chat]
• 2.1-Foro de sugerencias generales [chat]
• 2.1-Chat de preguntas de zoom de esta clase [txt]
• 2.2-Ejemplo: Reconocimiento de caras usando LBP [matlab]

Clase 05 Ma. 24-Mar-2020:

• 2.1-Ejercicio sobre LBP [PPT]
• 2.1-Lectura complementaria de LBP [PPT]

Clase 06 Ju. 26-Mar-2020:

• 2.1-Caracteristicas de textura de Haralick [PPT]
• 2.1-Caracteristicas de textura de Haralick [Paper]
• 2.1-Ejemplo: imagenes satelitales usando Haralick [matlab]
• 2.1-Ejercicio con base de datos de texturas [PPT]
• 2.1-Ejemplo: Reconocimiento de texturas 1 [matlab]
• 2.1-Ejemplo: Reconocimiento de texturas 2 [matlab]
• 2.1-Video de esta clase [video]
• 2.1-Foro de esta clase [chat]
• 2.1-Foro de sugerencias generales [chat]
• 2.1-Chat de preguntas de zoom de esta clase [txt]

Clase 07 Ma. 31-Mar-2020:

• 2.1-Ejercicio sobre descriptores de Textura [PPT]
• 2.1-Video de esta clase [video]
• 2.1-Ejercicio sobre LBP y Haralick [PPT]

Clase 08 Ju. 02-Apr-2020:

• 2.1-Gabor [PPT]
• 2.1-Paper Gabor [Paper]
• 2.1-Video experimento con gatos (1/2) [Video]
• 2.1-Video experimento con gatos (2/2) [Video]
• 2.1-Ejemplo: Deteccion de caras usando Gabor [matlab]
• 2.1-Comparacion de caracteristicas de textura [Paper]
• 2.1-Video de esta clase [video]

Clase 09 Ma. 07-Apr-2020:

• 2.1-Crossing Line Profile (CLP) [PPT]
• 2.1-Crossing Line Profile (CLP) [Paper]
• 2.1-Ejemplo: Deteccion de defectos usando CLP [matlab]
• 2.1-Deteccion de peatones [PPT]
• 2.1-Paper HoG [Paper]
• 2.1-Implementacion de HoG en Python con OpenCV [phyton]
• 2.1-Video de esta clase [video]

Clase 10 Ju. 09-Apr-2020:

• 2.1-Aclaracion de Dudas: Video de esta clase [video]

Clase 11 Ma. 14-Apr-2020:

• 3.1-Introduccion a la Seleccion de Caracteristicas [Apuntes]
• 3.1-Introduccion a la Seleccion de Caracteristicas [PPT]
• 3.1-Introduccion a la Seleccion de Caracteristicas [Paper]
• 3.1-Ejemplo Covarianzas [matlab]
• 3.1-Discriminante Fihser y Matrices de Covarianza [Apuntes]
• 3.1-Discriminante Fihser y Matrices de Covarianza [PPT]
• 3.1-Visualizacion de Matrices de Covarianza [matlab]
• 3.1-GUI Discriminante Fisher [matlab]
• 3.1-GUI Discriminante Fisher [GUI]
• 3.1-Ejemplo SFS con 3 caracteristicas [matlab]
• 3.1-Ejemplo SFS con 3 caracteristicas [Data]
• 3.1-Ejemplo SFS con 10 caracteristicas [matlab]
• 3.1-Ejemplo SFS con 10 caracteristicas [Data]
• 3.1-Video de esta clase [video]

Clase 12 Ju. 16-Apr-2020:

• 3.1-Ejercicio de seleccion de caracteristicas [Apuntes]

Clase 13 Ma. 21-Apr-2020:

• 3.1-SFS [PPT]
• 3.1-Busqueda Exhaustiva [PPT]
• 3.1-Branch and Bound [PPT]
• 3.1-Clean: Limpieza de datos [PPT]
• 3.1-Clean: Limpieza de datos [matlab]
• 3.1-Video de esta clase [video]

Clase 14 Ju. 23-Apr-2020:

• 3.1-Esquema general con seleccion de caracteristicas [Apuntes]
• 3.1-Toolbox Balu en Matlab [Libreria]
• 3.1-Libreria PyBalu en Python [Libreria]
• 3.1-Ejemplo usando Balu [Matlab y Python]
• 3.1-Video de esta clase [video]

Clase 15 Ma. 05-May-2020:

• 3.1-Principal Components Analysis PCA [PPT]
• 3.1-Principal Components Analysis PCA [Apuntes]
• 3.1-Ejemplo PCA en 2 dimensiones [matlab]
• 3.1-Ejemplo PCA en 5 dimensiones [matlab]
• 3.1-Reconocimiento de caras usando LBP y PCA [matlab]
• 3.1-Compresion de datos usando PCA [matlab]
• 3.1-Video de esta clase [video]
• 3.1-Descripcion del Proyecto [Proyecto]

Clase 16 Ju. 07-May-2020:

• 3.1-Trabajo en grupo: realizar el problema de deteccion de caras [Enunciado]

Clase 17 Ma. 12-May-2020:

• 4.1-Solucion [matlab]
• 4.1-Solucion [phyton]
• 4.1-Clasificador KNN - vecino mas cercano [PPT]
• 4.1-Clasificador DMIN - distancia minima [PPT]
• 4.1-Apuntes sobre el Clasificador de Bayes [Apuntes]
• 4.1-Clasificadores LDA, QDA, Mahalanobis, Bayes [PPT]
• 4.1-Estimacion PDF en 1D [matlab]
• 4.1-Estimacion PDF en 2D [matlab]
• 4.1-Ejemplo LDA [matlab]
• 4.1-Ejemplo QDA [matlab]
• 4.1-Ejemplo Mahalanobis [matlab]
• 4.1-Ejemplo KNN 2x2 [matlab]
• 4.1-Ejemplo KNN para encontrar mejor k [matlab]
• 4.1-Ejemplo con Bayes usando KDE 2x2 [matlab]
• 4.1-Introduccion a SVM [PPT]
• 4.1-Teoria sobre SVM [Apuntes]
• 4.1-Teoria sobre SVM [Paper]
• 4.1-Ejemplo [matlab]
• 4.1-Teoria sobre SVM [Paper]
• 4.1-Ejemplo SVM con distintos kernels [matlab]
• 4.1-Redes Neuronales [Apuntes]
• 4.1-Redes Neuronales [PPT]
• 4.1-Redes Neuronales [Paper]
• 4.1-Estimacion parametros no-lineales [Apuntes]
• 4.1-Ejemplo estimacion no-lineal [matlab]
• 4.1-Ejemplo red neuronal basica [matlab]
• 4.1-Funcion de error []
• 4.1-Funcion de evaluacion de la NN []
• 4.1-Tutorial de SVM enphyton [YouTube]
• 4.1-Libro Neural Networks and Deep Learning [Book]
• 4.1-Back-propagation [Apuntes]
• 4.1-Ejemplo de Redes Neuronales [matlab]

Clase 18 Ju. 14-May-2020:

• 4.1-Deep Learning [PPT]
• 4.1-Ejemplo clasificacion ojos vs. nariz [phyton]

Clase 19 Ma. 19-May-2020:

• 4.1-Ejercicio reconocimiento objetos en imagenes de Rayos X [PDF]
• 4.1-Ejercicio reconocimiento objetos en imagenes de Rayos X [Datos]

Clase 20 Ma. 26-May-2020:

• 5.1-Matriz de Confusion [PPT]
• 5.1-Estimacion de Accuracy [PPT]
• 5.1-Ejemplo Matriz de Confusion [matlab]
• 5.1-Ejemplo Hold-Out [matlab]
• 5.1-Ejemplo Cross Validation [matlab]
• 5.1-Ejemplo Leave-one-out Jackknife [matlab]

Clase 21 Ju. 28-May-2020:

• 2.1-Deteccion de peatones [PPT]
• 2.1-SIFT [PPT]
• 2.1-Ejemplo Keypoints [matlab]
• 2.1-Ejemplo SIFT matching [matlab]

Clase 22 Ma. 02-Jun-2020:

• 7.1-Face Verification para el proyecto [Apuntes]
• 7.1-Deep Face VGG-Face [PPT]

Clase 23 Ju. 04-Jun-2020:

• 6.1-Clustering: K-Means [PPT]
• 6.1-Clustering: Hierarchic [PPT]
• 6.1-Clustering: Mixture of Gaussians [PPT]
• 6.1-Clustering: Mean Shift [PPT]
• 6.1-BoW: Bag of Words [PPT]
• 6.1-Ejemplo K-Means [matlab]
• 6.1-Ejemplo de Segmentacion con K-Means [matlab]
• 6.1-Ejemplo Mean Shift [matlab]
• 6.1-Ejemplo BoW [matlab]

Clase 24 Ma. 09-Jun-2020:

• 7.1-Trabajo en grupos - Avances del proyecto
• 7.1-Face Matchers:
• 7.1-- by Vitor Albiero [phyton:Library-1]
• 7.1-- by Esteban Villalobos [phyton:Library-2]
• 7.1-- by VGG [matlab]
• 7.1-Metric Learning:
• 7.1-- by W Devazelhes [phyton:Library-1]
• 7.1-- by Liu Yang [matlab:Library-1]
• 7.1-- by Kilian Weinberger [matlab:Library-2]

Clase 25 Ju. 11-Jun-2020:

• 4.1-Sparse representasions [PPT]
• 4.1-Ejemplo SRC [matlab]
• 4.1-Clasificacion usando Sparse Representations [matlab-a]
• 4.1-Clasificacion usando Sparse Representations [matlab-b]
• 4.1-Clasificacion usando Sparse Representations [matlab-c]

Clase 26 Ma. 16-Jun-2020:

• 7.1-Trabajo en grupos - Avances del proyecto
• 5.1-Explicacion de curve Genuine-Impostor y factor d-prime [PPT]

Clase 27 Ju. 18-Jun-2020:

• 7.1-Presentacion de avances de proyecto

Clase 28 Ma. 23-Jun-2020:

• 7.1-Presentacion de avances de proyecto [PDF]

---

Updated on 06-May-2020 at 16:08 by Domingo Mery