search

domingomery / imagenes

Curso de Fundamentos de Procesamiento de Imágenes
113 stars 48 forks source link

Foro del Proyecto del Curso #9

Closed domingomery closed 3 years ago

domingomery commented 4 years ago

Escribe aquí tus comentarios o dudas sobre el proyecto del curso.

fprebolledo commented 3 years ago

Hola! tenía una consulta de que cosas están permitidas usar. Por ejemplo tengo entendido que hay varios algoritmos para elegir el humbral para binarizar una imagen, me preguntaba si están disponibles en alguna librería podemos utilizarlos ? o debemos programarlos?

domingomery commented 3 years ago

se pueden usar librerias de procesamiento de imagenes (siempre y cuando sepan que es lo que hacen), no está permitido usar nada que tenga que ver machine learning (porque este curso no es sobre machine learning :). Saludos

On Thu, Oct 22, 2020 at 2:39 PM Francisca Rebolledo < notifications@github.com> wrote:

Hola! tenía una consulta de que cosas están permitidas usar. Por ejemplo tengo entendido que hay varios algoritmos para elegir el humbral para binarizar una imagen, me preguntaba si están disponibles en alguna librería podemos utilizarlos ? o debemos programarlos?

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub https://github.com/domingomery/imagenes/issues/9#issuecomment-714650503, or unsubscribe https://github.com/notifications/unsubscribe-auth/AAD3BSXMXXMZIZLEI4OMKGLSMBU2BANCNFSM4RJQWKIQ .

Matias-CT commented 3 years ago

Hola, es obligación utilizar métodos no vistos en clase en el proyecto (además de los que si vimos), ya que en un principio puede que sean sufcientes los métodos vistos en clases, al menos para idear una solución óptima. Saludos.

domingomery commented 3 years ago

asi es, deben usar otros métodos también… es una buena práctica en los tiempos que vivimos (en los que hay tantos adelantos científicos y tecnológicos cada año) tener la costumbre de aprender un poco más allá de lo que se ve en clases.

Saludos On 18 Nov 2020, 4:33 PM -0300, Matias-CT notifications@github.com, wrote:

Hola, es obligación utilizar métodos no vistos en clase en el proyecto (además de los que si vimos), ya que en un principio puede que sean sufcientes los métodos vistos en clases, al menos para idear una solución óptima. Saludos. — You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

cerealnuee commented 3 years ago

¡Hola! Creo que sobrevivió esta línea del proyecto del año pasado en el enunciado del proyecto. Siguiendo esta línea, ¿para la demo nos pedirá segmentar 5 fotos extra? image

alejita97 commented 3 years ago

Profesor, si construimos una función debemos usar los mismos parámetros para todas las imágenes o podemos cambiar los parámetros para cada una de las 50 imágenes. De antemano muchas gracias :)

domingomery commented 3 years ago

¡Hola! Creo que sobrevivió esta línea del proyecto del año pasado en el enunciado del proyecto. Siguiendo esta línea, ¿para la demo nos pedirá segmentar 5 fotos extra? image

jajaja... se me fue el copy paste... :) actualice el enunciado con esto:

"Adicionalmente, deben realizar la segmentacion en 5 imagenes nuevas de lunares (muy similares a la de esta base de datos de 50) que el profesor proporcionara en el momento de la demo. Para la evaluacion de estas 5 imagenes se cuenta tambien con la segmentacion ideal, que sera usada para que calculen el TPR y FPR."

domingomery commented 3 years ago

Profesor, si construimos una función debemos usar los mismos parámetros para todas las imágenes o podemos cambiar los parámetros para cada una de las 50 imágenes. De antemano muchas gracias :)

Es una sola funcion. Existen soluciones en que la misma funcion adapta internamente los parametros (de manera automatica), por ejemplo si la imagen es muy oscura entonces el threshold de la segmentacion baja en 10%...

Deben desarrollar una sola funcion, no 50.

domingomery commented 3 years ago

He implementado en Python el método de segmentación de imagenes a color visto en clases que utiliza la conversion RGB a una imagen en tonos de gris de alto contraste (ver video a partir del minuto 23:22)

Codigo en Google Colab

jvlara commented 3 years ago

Profesor, si ocupamos un metodo de cv2 que ocupa un algoritmo con tecnicas bastante complejas (en especifico findContours de cv2 con el algoritmo de susuki) ¿es necesario saber en especifico como funciona esta implementación?

domingomery commented 3 years ago

no en detalle, pero si conceptualmente

Saludos On 30 Nov 2020 4:58 PM -0300, José Lara notifications@github.com, wrote:

Profesor, si ocupamos un metodo de cv2 que ocupa un algoritmo con tecnicas bastante complejas (en especifico findContours de cv2 con el algoritmo de susuki) ¿es necesario saber en especifico como funciona esta implementación? — You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

domingomery commented 3 years ago

buen comentario... hay muchas formas de estimar el error, una forma clasica es calcular las variables "precision" y "recall" que tiene mucho que ver con lo que dices ya que no considera los verdaderos negativos... si uds quieren calculen estos valores de manera opcional (las definiciones se encuentran en wikipedia por ejemplo), pero para la tarea deben calcular las variables del enunciado (no porque sean mejores, sino porque asi todos los grupos calculan lo mismo y podemos comparar los desempeños de los algoritmos desarrollados).

Saludos On 30 Nov 2020 7:43 PM -0300, Felipe Quinteros notifications@github.com, wrote:

Tiene sentido calcular el error utilizando solamente los pixeles blancos? Eso hace que cualquier error se note más, porque las segmentaciones que he hecho son suficientemente similares a la ideal como para que tenga muchos pixeles negros en común, por lo que si considerara toda la imagen para el calculo del error, el porcentaje de error disminuiría, pero siento que sería medio falso ese porcentaje de error, por que me interesa que los pixeles blancos (la segmentación) sea lo más parecida posible a la ideal. — You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

domingomery commented 3 years ago

En la presentacion final deben calcular adicionalemente el F1-score definido como:

F1 = TT / (TT + FP + FN) donde TT = 2 x TP

Matias-CT commented 3 years ago

Hola profe :) Quería preguntarle que tanto detalle debe haber en 'la revisión del estado del arte' en la presentación. ¿Hay que presentar alguna serie de papers? ¿o con uno reciente basta para abordar esa sección (por ejemplo, en las introducciones de los papers siempre se habla del estado del arte ¿con basarnos en la intro de uno bastaría?) ? Saludos

domingomery commented 3 years ago

yo espero que lean al menos tres papers sobre metodos de segmentacion de lunares, en que el fuerte del paper sea procesamiento de imagenes (y no machine learning)... el objetivo es que estos papers no solo sean usados para saber en que está el estado del arte, sino que tambien para entender nuevos metodos, y que algunas de las ideas de estos metodos puedan usarlas en el metodo propuesto por uds.

On Wed, Dec 9, 2020 at 10:07 PM Matias-CT notifications@github.com wrote:

Hola profe :) Quería preguntarle que tanto detalle debe haber en 'la revisión del estado del arte' en la presentación. ¿Hay que presentar alguna serie de papers? ¿o con uno reciente basta para abordar esa sección (por ejemplo, en las introducciones de los papers siempre se habla del estado del arte ¿con basarnos en la intro de uno bastaría?) ? Saludos

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.