---

S-114.240 Laskennallisen tekniikan seminaari (2 ov)

Hahmontunnistus ihmisläheisissä käyttöliittymissä

• tunnistamaan puhetta ja ymmärtämään luonnollista kieltä,
• havainnoimaan ympäristöään, kuten paikantamaan ja tunnistamaan käyttäjän, havaitsemaan käyttäjän liikkeet, eleet ja asennon, mahdollisesti myös ilmeet, emootiot jne.
• tuottamaan luonnollisen kommunikaation mukaista puhetta, mikä sisältää äänen tuottamisen ja sen kanssa yhtensopivan visuaalisen informaation, ilmeet, eleet yms.

Sisältö:

Seminaarissa käsitellään hahmontunnistusongelmia ihminen-tietokonekäyttöliittymissä. Yksityiskohtaisia aiheita ovat mm. kasvojen paikantaminen ja tunnistus, eleiden tunnistus ja seuranta, ilmeiden mallinnus ja tunnistus jne.

Esitelmät perustuvat alla lueteltuihin artikkeleihin tai esittäjien ehdottamiin aiheisiin/materiaaliin. Merkintä (L) aiheen perässä tarkoittaa että se sovelttu myös jatko-opiskelijoille.

Aiheita ja materiaalia:

Tähti (*) numeron jälkeen ilmaisee että aihe on varattu.

1. (*) Kasvojen tunnistus, eigenfaces-menetelmä. Turk & Pentland, Journal of Cognitive Neuroscience 3(1),:71-96, 1991
   Jatkokehitys mm. Pentland et al. View-based and modular eigenspaces for face recognition
2. (*) Kasvojen tunnistus, eigenfaces-menetelmän yleistys. Moghaddam, Wahid and Pentland, Beyond Eigenfaces: Probabilistic Matching for Face Recognition (L)
3. (*) Kasvojen tunnistus, hybridimenetelmä. Lawrence et al. Face Recognition: A Convolutional Neural Network Approach
4. (*) Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face. M. Hormel, W. Konen, S. Fuhrmann, A. Flugel. Neural systems for complex identification tasks: the access control system ZN-Face and the alarm identification SENECA. In: Proc. ICANN95, Paris, 1995
   Kaupallisen tuotteen sivu
5. Kasvojen tunnistus graafinsovitusmenetelmällä (edellisen jatkokehitys), Wiskott et al. Face Recognition by Elastic Bunch Graph Matching
6. (*) Pään mallinnus ominaismuodoilla. Russell, Eigenheads for Reconstruction
7. (*) Eleiden tunnistus, näkymäpohjainen menetelmä. Turk et al. Gesture Recognition (L)
8. (*) Ilmeiden mallintaminen. Essa & Pentland, Coding, Analysis, Interpretation, and Recognition of Facial Expressions (L)
9. (*) Ilmeiden tunnistus: vertailu geometristen piirteiden ja Gabor-suotimien välillä. Zhang et al., FG'98 Paper: Comparison Between Geometry-Based and Gabor-Wavelets-Based Facial Expression Recognition Using Multi-Layer Perceptron
10. (*) Lineaariset objektiluokat: kasvojen syntetisointi yhdestä esimerkkikuvasta. Poggio et al. Raportit , "Linear Object Classes and Image Synthesis from a Single Example Image" (L)
11. (*) Kohteen seuranta videokuvassa, Condensation-menetelmä. Isard & Blake, The Condensation Algorithm Home Page (L)
12. (*) Tunnetilojen tunnistus ja hyväksikäyttö käyttöliittymissä, Affective Computing @ MIT
13. (*) Kasvojen asennon ja ilmeiden seuranta ja animointi. Bascle & Blake, Separability of Pose and Expression in Facial Tracing and Animation
14. Huulilta lukeminen. Waibel et al., Face Tracker Home Page, Interactive Systems Labs (tai joku vastaava huuliltalukemistutkimus)
15. (*) Katseohjatut järjestelmät - katsaus, Glenstrup & Engell-Nielsen Eye Controlled Media: Present and Future State
16. (*) Kohteiden paikannus ja tunnistus bayesilaisella korrelaatiolla, Sullivan et al., Object Localization by Bayesian Correlation

• On-line publications on Face Recognition
• MIT Media lab Vismod projects

Aikataulu

Seminaari kokoontuu torstaisin klo 10.15-12 Laskennallisen tekniikan laboratorion seminaarihuoneessa MT1 (kartta). Ensimmäinen kokoontuminen on 16.3., jolloin jaetaan aiheet ja päätetään esitysten ajankohdat.

Esitelmien aikataulu:

Seminaarin tavoitteet:

1. Seminaariaiheeseen perehtyminen
2. Kirjallisen selostuksen laatiminen ja suullinen esitys
3. Referee-toiminnan harjoittelu

Seminaarin suoritus:

1. Materiaalin pohjalta laaditaan kirjallinen selostus, jonka sopiva laajuus on noin 10 sivua. Selotukset laitetaan lopulta kurssin www-sivuille, joko html-muodossa tai PostScriptina.
2. Selostus palautetaan ohjaajalle viimeistään esitysviikon maanantaina. Selostuksen voi lähettää e-mailitse: Jouko.Lampinen@hut.fi (postscript/pdf-tiedostona tai URL-osoitteena).
3. Ohjaaja lähettää selostuksen arvioijalle, joka toimii myös esitelmän opponenttina. Arvioija antaa korjausehdotukset, jotka välitetään tekijälle ja opintojakson ohjaajalle. Tekijä parantaa selostustaan annettujen korjausehdotusten pohjalta ja palauttaa selostuksen ohjaajalle. Arviointiin on varattu kaksi päivää, eli jos materiaali on arvioijalla maanantaina, on kommenttien oltava kirjoittajalla keskiviikkoaamuna.
4. Esitelmän pito ja opponointi. Esitelmän sopiva kesto on n. 35 minuuttia. Keskusteluun ja kysymysten esittämiseen on varattu aikaa 10 min.
5. Kurssin hyväksytty suoritus edellyttää lisäksi riittävää läsnäoloa (väh.75%) seminaaritilaisuuksissa.

Arvosanaan vaikuttavat tekijät:

1. Kirjallinen selostus: oleellisen asian tiivistys, selkeys ja ymmärrettävyys. Aiheeseen liittyvän lisämateriaalin kerääminen ja onnistunut hyödyntäminen luonnollisesti tuo aina plussaa. Korjausehdotusten huomioinen lopullisessa selostuksessa vaikuttaa myös arvosteluun.
2. Suullinen esitelmä: selkeys ja havainnollisuus, asian opettaminen muille.
3. Opponointi: korjausehdotusten rakentavuus, kysymysten relevanssi.

Lisätietoja:

Jouko Lampinen
Laskennallisen tekniikan laboratorio
Puh: 451 4827
email: Jouko.Lampinen@hut.fi