Teknillinen korkeakoulu

TKK / Yksiköt / LCE / Opetus / Kurssit / S-114.240

S-114.240 Laskennallisen tekniikan seminaari (2 ov)

Hahmontunnistus ihmisläheisissä käyttöliittymissä

Tulevaisuuden ihmisläheisissä käyttöliittymissä keskeinen osa on toimiva, luonnollinen vuorovaikutus tietokoneessa olevien agenttien ja koneen käyttäjien välillä. Tämä edellyttää mm. että tietokone pystyy Merkittävä rooli näiden ongelmien ratkaisussa on hahmontunnistusmenetelmien kehityksessä ja niiden soveltamisessa reaaliaikaisiin käyttöliittymiin. Aihealuetta tutkitaan laajasti, ja esimerkiksi TEKESillä on juuri alkanut laaja teknologiaohjelma USIX (Uusi käyttäjäkeskeinen tietotekniikka 1999-2002) jossa nämä aiheet ovat keskeisesti esillä.

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
Linkkikokoelmia ja laboratorioita:

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:

Päivä Esittäjä Aihe
Opponentti
30.3 Timo Latvala
1. Eigenfaces-menetelmä ja modulaariset ominaisnaamat
Ilkka Kalliomäki
" Henrik Liljeström
2. Eigenfaces-menetelmän yleistys probabilistiseen sovitukseen
Timo Kostiainen
6.4. Johny Lönnroth
5. Pään mallinnus ominaismuodoilla
Tommi Nykopp
" Jani Lahtinen
15. Katseohjatut järjestelmät
Sami Laakso
13.4 Ilkka Kalliomäki
3. Kasvojen tunnistus, hybridimenetelmä
Johny Lönnroth
" Kalle Korhonen
4. Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face
Paula Litkey
20.4 Pääsiäisloma


4.5 Tommi Nykopp
9. Ilmeiden tunnistus: vertailu geometristen piirteiden ja Gabor-suotimien välillä
Timo Latvala
" Sami Laakso
7. Eleiden tunnistus, näkymäpohjainen menetelmä
Kim Lahti
11.5 Simo Särkkä
11. Kohteen seuranta videokuvassa, Condensation-menetelmä
Jani Lahtinen
" Vuokko Vuori
10. Lineaariset objektiluokat: kasvojen syntetisointi yhdestä esimerkkikuvasta
Henrik Liljeström
18.5 Timo Kostiainen
16. Kohteiden paikannus ja tunnistus bayesilaisella korrelaatiolla
Simo Särkkä
" Ville Viitaniemi
13. Kasvojen asennon ja ilmeiden seuranta ja animointi
Jyrki Korpi-Anttila
" Klaus Riederer
Puheen tunnistus, katsaus aihealueen nykytilaan
Vuokko Vuori
25.5 Jyrki Korpi-Anttila
12. Tunnetilojen tunnistus
Kalle Korhonen
" Paula Litkey
8. Ilmeiden mallintaminen
Ville Viitaniemi, Klaus Riederer

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


Tästä sivusta vastaa Jouko.Lampinen@hut.fi
Sivua on viimeksi päivitetty 5.3.2000.
URL: http://www.lce.hut.fi/teaching/S-114.240/k2000/