Ανάλυση εικόνας και μουσικής για την αυτόματη αναγνώριση της διάθεσης
|
|
- Νύξ Ευμελια Βλαχόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Ανάλυση εικόνας και μουσικής για την αυτόματη αναγνώριση της διάθεσης των Δρ. Παναγιώτη Ζέρβα και Δρ. Γιώργου Τριανταφυλλίδη Ο άνθρωπος λόγω της αλληλεπίδρασης του με τους συνανθρώπους του και το περιβάλλον, καταλαμβάνεται από συναισθήματα και διαθέσεις. Ως διάθεση μπορεί να οριστεί, η εσωτερική υποκειμενική κατάσταση στην οποία μπορεί να βρίσκεται το μυαλό ενός ανθρώπου, και μπορεί να διαρκέσει από ώρες μέχρι μέρες. Έρευνες σχετικά με τη διάθεση και πως αυτή επηρεάζει την συμπεριφορά των ανθρώπων, κατέληξε στο συμπέρασμα ότι είναι μια σχετικά μεγάλης διάρκειας συναισθηματική κατάσταση. Σε αντίθεση με το συναίσθημα, η διάρκεια της διάθεσης είναι μεγαλύτερη με αποτέλεσμα μεμονωμένα γεγονότα ή ερεθίσματα να μην έχουν άμεσο αντίκτυπο στην αλλαγή της. Ενώ συναισθήματα, όπως φόβος ή έκπληξη, μπορούν να αλλάξουν σε μικρό χρονικό διάστημα, οι διαθέσεις τείνουν να διαρκούν περισσότερο. Οι διαθέσεις, σε αντιπαράθεση με τα συναισθήματα, δεν σχετίζονται με ένα συγκεκριμένο αντικείμενο. Για παράδειγμα, αν κάποιος διακατέχεται από το συναίσθημα της θλίψης, τότε λέμε ότι είναι λυπημένος για κάποιο συγκεκριμένο γεγονός, όπως μια προσωπική απώλεια. Αντιθέτως, αν κάποιος βρίσκεται σε κακή (λυπημένη) διάθεση, μπορεί να μην είναι για κάτι συγκεκριμένο. Με άλλα λόγια, τα συναισθήματα περιγράφουν έντονες συγκινήσεις που απευθύνονται σε κάποιον ή κάτι, από την άλλη μεριά οι διαθέσεις είναι συναισθηματικές καταστάσεις που τείνουν να είναι λιγότερο έντονες και η εμφάνιση τους δεν είναι προϊόν κάποιας συγκεκριμένης αιτίας. Για να ξεχωρίσουμε σε αυτό το άρθρο, τη χρήση της έννοιας της διάθεσης με αυτή των συναισθημάτων, υποθέτουμε ότι κάποιο συναίσθημα ουσιαστικά αποτελεί κομμάτι μιας διάθεσης. Διάφορα συναισθήματα μπορούν να εμφανιστούν σε μια διάθεση η οποία αποτελεί την γενικευμένη συναισθηματική κατάσταση του ατόμου. Σε αυτό το άρθρο, θα μας απασχολήσει ο αυτόματος χαρακτηρισμός διάθεσης σε μια ταινία (πχ μουσικό video clip) με βάση τον ήχο (μουσική επένδυση) και την εικόνα. Και στις δύο περιπτώσεις (μουσική και εικόνα), έχουμε την υπέρθεση συγκινησιακών καταστάσεων με την μορφή διάθεσης, με πολλά συναισθήματα τα οποία μπορεί να αλλάξουν κατά την χρονική εξέλιξη των γεγονότων. Αυτόματη Αναγνώριση Διάθεσης σε Ακουστικά Μουσικά Σήματα Μελέτες που έχουν γίνει στον τομέα της ψυχολογίας, έχουν καταλήξει στην δημιουργία διαφόρων μοντέλων συναισθηματικών καταστάσεων και διαθέσεων, πολλά από τα οποία έχουν χρησιμοποιηθεί με επιτυχία στην κατηγοριοποίηση μουσικών κομματιών. Τα βασικά συναισθήματα τα οποία περιγράφουν σε μεγάλο βαθμό την συναισθηματική κατάσταση ενός ανθρώπου σύμφωνα με τη μελέτη του Ekman είναι θυμός, αηδία, φόβος, ευτυχία, λύπη και έκπληξη. Ωστόσο, δεδομένου ότι είχαν μελετηθεί για την κωδικοποίηση των εκφράσεων του προσώπου, κάποιες από τις συναισθηματικές καταστάσεις μπορεί να μην είναι κατάλληκ α ι ν ο τ ο µ ί α Συμμετέχει επίσης ο 59
2 καινοτοµία ενηµέρωση λες για την περιγραφή του περιεχομένου μουσικών ακουσμάτων (π.χ. αηδία), επίσης ορισμένες κοινές διαθέσεις που μπορούν να προκύψουν από το άκουσμα μουσικής λείπουν, για παράδειγμα ηρεμία, χαλάρωση κ.α. Στην μουσική ψυχολογία, η πιο πρόσφατη και ευρέως διαδεδομένη προσπάθεια δημιουργίας ταξινόμησης σχετικά με την πληροφορία της διάθεσης έγινε από τον Hevner. Ο Hevner σχεδίασε έναν κύκλο ο οποίος αποτελείται από οκτώ ομάδες συναισθημάτων όπως φαίνεται και στην εικόνα 2, από όπου μπορούμε να διακρίνουμε ότι: α) τα συναισθήματα, μέσα σε κάθε μια από τις ομάδες έχουν κοντινές σημασίες, β) το νοηματικό περιεχόμενο των γειτονικών ομάδων διαφέρει ελάχιστα, και γ) η διαφορά μεταξύ ομάδων μεγαλώνει βήμα βήμα, μέχρι να φτάσουμε στην αντιδιαμετρική ομάδα Τόσο η προσέγγιση του Ekman, όσο και του Hevner, ανήκουν σε αυτά των κατηγορηματικών μοντέλων γιατί το διάστημα των διαθέσεων αποτελείται από ένα σύνολο διακριτών κατηγοριών διάθεσης. Ένα άλλο πολύ γνωστό μοντέλο ταξινόμησης της συγκινησιακής κατάστασης ενός μουσικού κομματιού είναι το IMIRSEL (The International Music Information Retrieval Systems Evaluation Laboratory Project) όπου τα συναισθήματα τοποθετούνται σε ένα συνεχή δισδιάστατο χώρο. Πιο συγκεκριμένα, επιλέγεται ένα σύνολο από 5 συστάδες καταστάσεων διάθεσης, μειώνοντας αποτελεσματικά το «πεδίο τιμών» διάθεσης σε ένα απτό σύνολο κατηγοριών, που έχουν προκύψει από την μελέτη και επισημείωση μουσικών ακουσμάτων. Για αυτό το λόγο προτείνεται Εικόνα 1: Κυκλική ταξινόμηση διάθεσης κατά Hevner η χρήση 5 συστάδων διάθεσης, για το πρόβλημα της δημιουργίας μοντέλων μηχανικής μάθησης (machine learning) για την ταξινόμηση μουσικής με βάση το συναισθηματικό φορτίο τους. Οι κατηγορίες αυτές είναι οι παρακάτω: 1. Σύμπλεγμα 1: παθιασμένος, με αυτοπεποίθηση, θυελλώδης, ζωηρός, θορυβώδης 2. Σύμπλεγμα 2: διασκεδαστικός, χαρούμενος, γλυκός, αξιαγάπητος 3. Σύμπλεγμα 3: δριμύς, οδυνηρός, σκεπτικός, γλυκόπικρος, μελαγχολικός 4. Σύμπλεγμα 4: χιουμοριστικός, ανόητος, ιδιότροπος, πνευματώδης, σαρκαστικός 5. Σύμπλεγμα 5: επιθετικός, φλογερός, έντονος, ενστικτώδης Με σκοπό την ανάπτυξη ενός υπολογιστικού μοντέλου για την αυτόματη εξακρίβωση διάθεσης από σήμα μουσικής, υπάρχουν διάφορα ζητήματα που πρέπει να ληφθούν υπόψη: 1. Μια κοινή παρατήρηση στο πρόβλημα 60
3 της ανίχνευσης της φέρουσας διάθεσης ενός σήματος μουσικής, είναι το γεγονός ότι η αντίληψη της από τον ακροατή, είναι υποκειμενική και εξαρτάται από παράγοντες όπως, ο πολιτισμός, η εκπαίδευση του και η προσωπική του εμπειρία. Έτσι, για το ίδιο μουσικό κομμάτι, διαφορετικοί μουσικοί μπορούν να έχουν διαφορές στο τρόπο που θα το εκτελέσουν, ενώ διαφορετικά άτομα μπορεί να έχουν διαφορετικές αντιλήψεις για την διάθεση που το χαρακτηρίζει. Ως εκ τούτου, συχνά υπάρχει η άποψη ότι η διάθεση είναι μια πολύ υποκειμενική ποσότητα για να ανιχνευθεί. Ωστόσο, εκτεταμένη έρευνα στον χώρο αυτό έδειξε ότι συγκεκριμένα ακούσματα τα οποία φέρουν συγκεκριμένα σχέδια και δομές συνήθως έχουν εγγενή συναισθηματική έκφραση. 2. Υπάρχει συζήτηση, όπως είδαμε και σε προηγούμενη παράγραφο για το αν η συναισθηματική πληροφορία μπορεί να περιγραφεί με διακριτές κατηγορίες ή με συνεχείς ποσότητες. Δεν είναι επίσης ξεκάθαρο, ποια είναι τα βασικά συναισθήματα τα οποία μπορούν να εκφραστούν από την μουσική και να τα αντιληφθούν οι άνθρωποι. Οι ερευνητές χρησιμοποιούν επιθετικούς προσδιορισμούς για να περιγράψουν την διάθεση. Οι προσδιορισμοί αυτοί, χρησιμοποιούνται με μεγάλη ελευθερία με αποτέλεσμα η λίστα αυτών να είναι συνήθως τεράστια. Εκτεταμένη βασική έρευνα γίνεται σχετικά με την διάσταση (πλήθος) των βασικών συγκινησιακών καταστάσεων και αποτελεί τη βάση για την κατηγοριοποίηση της διάθεσης, που περιέχεται σε ένα μουσικό κομμάτι και δίνει βασικές ενδείξεις σχετικά με την μοντελοποίηση τους. των. Εκτός από κάποια χαρακτηριστικά, τα οποία μπορούν να εξαχθούν από την MIDI ή άλλων συμβολικών αναπαραστάσεων ενός μουσικού σήματος, υπάρχουν διάφορα ακουστικά χαρακτηριστικά τα οποία χρησιμοποιούνται για την κατηγοριοποίηση της πληροφορίας διάθεσης. Μολαταύτα, το μεγαλύτερο μέρος της μουσικής πληροφορίας υπάρχει σε μορφή κυματομορφής και δεν υπάρχει διαθέσιμο σύστημα αναπαράστασης το οποίο να την μετασχηματίσει σε συμβολική αναπαράσταση. Για αυτό το λόγο είναι απαραίτητη η αντιμετώπιση του προβλήματος κατηγοριοποίησης κάνοντας χρήση της ακουστικής αναπαράστασης του μουσικού σήματος. Μολονότι έχει γίνει εκτεταμένη έρευνα στην ανάπτυξη μουσικών και ακουστικών χαρακτηριστικών, παραμένει ακόμη ένα δύσκολο πρόβλημα η απευθείας αναπαράσταση του συναισθηματικού περιεχομένου μιας μουσικής ηχογράφησης. Κάποια από τα χαρακτηριστικά τα οποία έχουν χρησιμοποιηθεί για την μουσική ανάλυση σε επίπεδο κυματομορφής είναι οι: mel-frequency cepstral παράμετροι (MFCC), η ενέργεια μικρού μήκους (shorttime energy, STE), και ο ρυθμός μηδενισμού συνάρτησης (Average Zero-Crossing Rate ή ZCR). Κάποια χαρακτηριστικά τα οποία έχουν χρησιμοποιηθεί για την κατηγοριοποίηση συναισθημάτων σε σήματα ομιλία, όπως η τονικότητα (pitch), δεν είναι εφικτή για την κατηγοριοποίηση διάθεσης στη μουσική. Κάποια όμως εξειδικευμένα ακουστικά χαρακτηριστικά του μουσικού σήματος μπορούν να χρησιμοποιηθούν για την κατηγοριοποίηση μουσικού σήματος σε είδος, όπως: η χροιά (timbre), 3. Το τρίτο ζήτημα, αφορά τα ακουστικά χαρακτηριστικά των μουσικών σημάκ α ι ν ο τ ο µ ί α 61
4 καινοτοµία ενηµέρωση ο ρυθμός και το μέτρο (rhythm and beat). Αναγνώριση διάθεσης με βάση την εικόνα του προσώπου Μια εικόνα για τον ανθρώπινο εγκέφαλο, αποτελείται από μια αποτύπωση αντικειμένων, ένα στιγμιότυπο. Όμως μια εικόνα για τον ηλεκτρονικό υπολογιστή είναι ένας (ή παραπάνω) πίνακας με δυαδικές τιμές, που αποτελούν τις φωτεινότητες και τα χρώματα που παράγουν την εικόνα αυτήν. Ένας Η/Υ δεν είναι σε θέση να αντιμετωπίσει μια εικόνα σημειολογικά, παρά μόνο σαν ένα σύνολο τιμών και δεδομένων. Όμως, πλέον στην επιστήμη της πληροφορικής έχουν αναπτυχθεί τρόποι και μεθοδολογίες, με τις οποίες ένας Η/Υ μπορεί να εκπαιδευτεί ώστε να αναγνωρίζει αντικείμενα μέσα σε μια εικόνα, και κατά επέκταση μέσα σε ένα βίντεο. Η αποτύπωση της διάθεσης στην εικόνα και στο video, γίνεται βασικά με την κινησιολογία και την έκφραση του προσώπου. Η ταξινόμηση της κινησιολογίας είναι ένα αρκετά πιο δύσκολο πρόβλημα αυτόματης αναγνώρισης και προς το παρόν δεν θα το μελετήσουμε, αφού θα επικεντρωθούμε στην ταξινόμηση των εκφράσεων του προσώπου. Συνεπώς και σε αυτό το πλαίσιο, θα εξεταστούν τρόποι για την ανίχνευση ενός προσώπου μέσα σε μια εικόνα και στη συνέχεια τεχνικές για την αναγνώριση της διάθεσης όπως απεικονίζεται στο πρόσωπο. Υπάρχουν πολλές τεχνικές για την εύρεση προσώπων μέσα στην εικόνα, και ποικίλουν σε πολυπλοκότητα αλλά και αποτελεσματικότητα. Ίσως ο πιο εύκολος τρόπος για να εντοπιστεί ένα πρόσωπο είναι να ελεγχθεί το παρασκήνιο της εικόνας, δηλαδή το φόντο να είναι απλό ώστε να είναι εύκολο με την κατάλληλη επεξεργασία να εντοπιστεί το πρόσωπο του ατόμου. Η εύρεση αυτή μπορεί να γίνει με βάση το χρώμα του ανθρώπινου δέρματος, το οποίο κυμαίνεται μέσα σε ένα γνωστό φάσμα χρωμάτων. Αυτό ενδέχεται να μην παρουσιάζει ικανοποιητικά αποτελέσματα για όλους τους ανθρώπους, καθώς μπορεί να υπάρξουν μεγάλες αποκλίσεις στο χρώμα του δέρματος. Μια άλλη μέθοδος που είναι περισσότερο αξιόπιστη είναι η ανίχνευση κίνησης μέσα σε ένα βίντεο. Αυτό πάλι προϋποθέτει τον έλεγχο του φόντου, καθώς θα πρέπει να είναι σταθερό και αμετάβλητο, όμως δεν εγγυάται και την ορθή ανίχνευση του ζητούμενου προσώπου, αφού κάθε στοιχείο το οποίο κινείται θα μπορεί να θεωρείται και το ζητούμενο στοιχείο. Μια άλλη αποτελεσματική τεχνική, βασίζεται στην κατάτμηση της εικόνας σε σχήματα και χρησιμοποιώντας τη γνώση του σχήματος του ανθρώπινου προσώπου και των χαρακτηριστικών του (μάτια, μύτη, κτλ), πετυχαίνεται ο τελικός εντοπισμός του προσώπου. Υπάρχουν πολλές ακόμα τεχνικές (όπως αλγόριθμοι εκπαίδευσης, νευρωνικά δίκτυα, κα) με τις οποίες μπορούμε να αναζητήσουμε πρόσωπα μέσα σε μια εικόνα, καθώς και συνδυασμοί μεθόδων για την βέλτιστη αποτελεσματικότητα τους. Μετά τον εντοπισμό του προσώπου, το επόμενο βήμα είναι η αναγνώριση της έκφρασης. Η αξιολόγηση της έκφρασης, είναι πολλές φορές καθαρά υποκειμενική, παρόλα αυτά όμως υπάρχουν κάποιοι αντικειμενικοί κανόνες που ο ανθρώπινος εγκέφαλος χρησιμοποιεί για να αναγνωρίσει τις βασικές ανθρώπινες εκφράσεις: Χαρά: Ένα συναίσθημα που σίγουρα το διακρίνουμε από το χαμόγελο. Στην εικόνα 2, παρατηρείται ότι στο πρόσωπο, όταν υπάρχει η έκφραση χαράς δεν είναι μόνο το στόμα αυτό που συμμετέχει, αλλά και τα μάτια. Οι άκρες του στόματος ορθώνονται προς τα πάνω, δίνοντας μας το χαμόγελο, ενώ τα ζυγωματικά συγκλίνουν προς τα μάτια, όπως και οι άκρες των φρυδιών. 62
5 Εικόνα 2: Χαρακτηριστικά χαμόγελου Θυμός: Ανάλογα και την ένταση του θυμού γίνονται και πιο εμφανή τα σημάδια του στο πρόσωπο. Όπως διακρίνεται στην εικόνα 3, το κύριο γνώρισμα του συναισθήματος αυτού, είναι η σύγκλιση των φρυδιών προς την μύτη του προσώπου, και μεταξύ τους. Τα περισσότερα στοιχεία του προσώπου, κατά μέσω όρο είναι αμέτοχα, αφήνοντας σταθερό το στόμα σε φυσιολογική στάση. Λύπη: Η λύπη είναι ένα από τα συναίσθηματα που είναι πολλές φορές δυσδιάκριτα. Το πρόσωπο του ανθρώπου Εικόνα 4: Χαρακτηριστικά λύπης μπορεί να μην εκφράζει πάντα με τον ίδιο τρόπο αυτό το συναίσθημα και πολλές φορές το μπερδεύουμε με την φυσική στάση του προσώπου. Όταν όμως είναι ξεκάθαρη η εκδήλωση του τότε, όπως παρατηρείτε και στην εικόνα 4, τα άκρα των χειλιών έχουν μια κλήση προς τα κάτω και τα φρύδια έχουν μια κλήση προς τα πάνω. Φόβος: Το συναίσθημα του το φόβου, είναι από τα συναισθήματα που συμμετέχουν περισσότερο τα στοιχεία του προσώπου. Υπάρχει συμμετοχή του στόματος, των ματιών και των φρυδιών του κ α ι ν ο τ ο µ ί α Εικόνα 3: Χαρακτηριστικά θυμού Εικόνα 5: Χαρακτηριστικά φόβου 63
6 κόνας γίνεται εφικτή η ανεύρεση των στοιχείων του προσώπου, που είναι τα ζητούμενα. Πλέον, υπάρχουν απομονωμένα τα στοιχεία που χαρακτηρίζουν την έκφραση του προσώπου. Το θέμα είναι, πώς ο υπολογιστής θα μπορεί να καταλάβει την πληροφορία που υπάρχει, όπως ακριβώς την καταλαβαίνει και την ερμηνεύει και ο άνθρωπος. Η διαδικασία που ακολουθεί ο άνθρωπος είναι ότι αναλύει τη σκηνή, εντοπίζει το πρόσωπο και τα χαρακτηριστικά του, και επειδή ξέρει πως είναι το χαμόγελο, καταλαβαίνει ότι πρόκειται για ένα χαρούμενο πρόσωπο. Άρα, το μόνο που πρέπει να γίνει πλέον, είναι να εκπαιδευτεί και ο υπολογιστής για να γνωρίζει πως είναι το χαμόγελο και να ερμηνεύει αντιστοίχως τη σκηνή. Σε αυτή τη περίπτωση, χρησιμοποιούνται συστήματα μάθησης μηχανής όπως τα νευρωνικά δίκτυα. Αρχικά, ορίζεται ένα αρχείο δεδομένων για εκπαίδευση του συστήματος, το οποίο θα περιέχει τα συναισθήματα που θέλουμε να αναγνωρίζει ο αλγόριθμος. Θα πρέπει να υπάρχει ένας ικανοποιητικός αριθμός εικόνων που θα αντιπροσω- πεύουν τα συναισθήματα. Έτσι, ο υπολογιστής κάνοντας την εκπαίδευση αναλύει διάφορες εικόνες και παίρνει χαρακτηριστικά για κάθε εικόνα, επικεντρώνοντας την προσοχή του στα βασικά στοιχειά της (στόμα, μάτια και μύτη). Αφού έχει τελειώσει την διαδικασία της εκπαίδευσης του, έχει μια γενική ιδέα του πώς μπορεί να είναι για παράδειγμα ένα χαμόγελο και συνδυάζει τα στοιχεία αυτά, για να συνδέσει τα συναισθήματα με κάποια γενικά γνωρίσματα. Όσο καλύτερη η βάση δεδομένων που του παρέχουμε για την εκπαίδευση του, τόσο πιο αποτελεσματικός είναι στην αυτόματη διαδικασία εύρεσης συναισθημάτων προσώπου. Μια αρκετά αξιόπικαινοτοµία ενηµέρωση προσώπου. Τα φρύδια ανασηκώνονται καθώς τα μάτια ανοίγουν περισσότερο από το συνηθισμένο. Το στόμα ανοίγει και τα χείλη τεντώνονται αριστερά και δεξιά του προσώπου. Εικόνα 6: Gabor μετασχηματισμοί Συνεπώς, το επόμενο βήμα είναι να απομονωθούν τα κύρια στοιχεία του προσώπου, δηλαδή το στόμα, τα μάτια και η μύτη. Μέσω αυτών τον στοιχείων και αναλύοντας το σχήμα τους και τη θέση τους, θα μπορέσουμε να καταλάβουμε το συναίσθημα που εκφράζεται. Μια από τις μεθόδους που χρησιμοποιείται αρκετά για την εξαγωγή και παραμόρφωση χαρακτηριστικών του προσώπου, είναι ο μετασχηματισμός Gabor, ο οποίος είναι ένας μετασχηματισμός Fourier με μια Gauss λειτουργία, προκειμένου να φιλτραριστούν οι τοπικές πληροφορίες της εικόνας. Η εικόνα 6, απεικονίζει μια εξαγωγή χαρακτηριστικών προσώπου με τη χρήση του Gabor. Στα αριστερά, παρατηρούμε το πώς είναι το πρόσωπο και στα δεξιά είναι τα αποτελέσματα Gabor, με διάφορα φίλτρα με διαφορετικές συχνότητες και κατευθύνσεις. Ο Gabor μετασχηματισμός, τονίζει τις σημαντικότερες περιοχές του προσώπου, καθιστώντας πιο εύκολη της αποκοπή τους από το υπόλοιπο πρόσωπο. Έτσι, μέσα από μια διαδικασία φιλτραρίσματος της ει- 64
7 1η ταξινόμηση διάθεσης (με τη μουσική πληροφορία) 2η ταξινόμηση διάθεσης (με την οπτική πληροφορία) Τελική ταξινόμηση διάθεσης Εικόνα 7: Διπλή ταξινόμηση διάθεσης στη μεθοδολογία είναι η Linear Discriminant Analysis (LDA) η οποία χαρακτηρίζει και ξεχωρίζει δύο η περισσότερες κλάσεις αντικειμένων. Σκοπός της μεθόδου, είναι η ανάπτυξη μιας σειράς διακριτικών συναρτήσεων, οι οποίες μεγιστοποιούν τη διακύμανση μεταξύ των κατηγοριών σε σχέση με την διακύμανση εντός των κατηγοριών. Μια καινούργια τεχνική που μπορεί χρησιμοποιηθεί να ταξινομήσει και με μεγαλύτερη ακρίβεια τα συναισθήματα του ανθρώπινου προσώπου είναι και η μέθοδος SIFT. O αλγόριθμος SIFT (Scale Invariant Feature Transform), χρησιμοποιείται για την ανίχνευση χαρακτηριστικών σημείων-κλειδιών (keypoints) σε εικόνες. Ο πρωταρχικός στόχος του SIFT, είναι η αναγνώριση προτύπων μορφών μέσα σε μια εικόνα. Ο SIFT, θεωρείται ιδιαίτερα εύρωστος και τα κλειδιά που αναγνωρίζει μπορούν να παραμένουν αναλλοίωτα σε μια σειρά από ασαφείς παραμορφώσεις, προσθήκες θορύβου και αλλαγών φωτισμού, οδηγώντας σε περισσότερο αξιόλογα αποτελέσματα στην αναγνώριση εκφράσεων προσώπου. Συνδυασμένη ανίχνευση διάθεσης Με βάση τις παραπάνω αναλύσεις, είναι φανερό ότι ο συνδυασμός των αποτελεσμάτων μεθόδων ταξινόμησης της διάθεσης με βάση την μουσική επένδυση και με βάση την εικόνα/video θα μας προσφέρει μια πιο ασφαλής και πιο πετυχημένη εκτίμηση της διάθεσης (εικόνα 7). Το επόμενο βήμα, θα είναι η δημιουργία κοινών μεθόδων που θα χρησιμοποιούν ταυτόχρονα την οπτική και ακουστική πληροφορία για την εξαγωγή της ταξινόμησης της διάθεσης (εικόνα 8). Συνδυασμένη ταξινόμηση διάθεσης Εικόνα 8: Συνδυασμένη ταξινόμηση διάθεσης κ α ι ν ο τ ο µ ί α 65
Ανάκτηση πολυμεσικού περιεχομένου
Ανάκτηση πολυμεσικού περιεχομένου Ανίχνευση / αναγνώριση προσώπων Ανίχνευση / ανάγνωση κειμένου Ανίχνευση αντικειμένων Οπτικές λέξεις Δεικτοδότηση Σχέσεις ομοιότητας Κατηγοριοποίηση ειδών μουσικής Διάκριση
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 1. Εισαγωγή
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 2015-16 Παρουσίαση Νο. 1 Εισαγωγή Τι είναι η εικόνα; Οτιδήποτε μπορούμε να δούμε ή να απεικονίσουμε Π.χ. Μια εικόνα τοπίου αλλά και η απεικόνιση
Διαβάστε περισσότεραΤρόποι εξάσκησης της μνήμης και μέθοδοι καλυτέρευσης
Η μνήμη είναι μια νοητική ικανότητα με την οποία αποθηκεύουμε, αναγνωρίζουμε και ανακαλούμε, αλλά και αναπλάθουμε πληροφορίες ή εμπειρίες. Με άλλα λόγια, με τη μνήμη αποθηκεύουμε και διατηρούμε δεδομένα
Διαβάστε περισσότεραΕισαγωγικά για την αναγνώριση έκφρασης προσώπου (Facial Expression Recognition)
Ο στόχος της διπλωματικής είναι η αναγνώριση του συναισθήματος ενός συγκεκριμένου ανθρώπου από μια αλληλουχία εικόνων στις οποίες παίρνει διάφορες εκφράσεις. Αυτό θα γίνει κάνοντας χρήση τεχνικών βαθιάς
Διαβάστε περισσότεραΕνδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω
Διαβάστε περισσότεραΠίστευε πως οι βασικές μορφές έκφρασης ήταν ίδιες για όλους τους ανθρώπους
Πίστευε πως οι βασικές μορφές έκφρασης ήταν ίδιες για όλους τους ανθρώπους πως ακόμα και απομονωμένοι άνθρωποι στην Νέα Γουινέα αναγνώρισαν επιτυχώς 6 φωτογραφίες προσώπων που εξέφραζαν συναισθήματα πως
Διαβάστε περισσότεραKeywords λέξεις κλειδιά:
ΑΤΕΙ ΚΡΗΤΗΣ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΕΠΙΣΤΗΜΩΝ Τμήμα Μηχανικών Μουσικής Τεχνολογίας & Ακουστικής ''Κοχλιακά εμφυτεύματα: προσομοίωση της ακοής μέσω εφαρμογής και απεικόνιση της διασποράς ηλεκτρικού πεδίου με
Διαβάστε περισσότεραΒιολογική εξήγηση των δυσκολιών στην ανθρώπινη επικοινωνία - Νικόλαος Γ. Βακόνδιος - Ψυχολόγ
Οι άνθρωποι κάνουμε πολύ συχνά ένα μεγάλο και βασικό λάθος, νομίζουμε ότι αυτό που λέμε σε κάποιον άλλον, αυτός το εκλαμβάνει όπως εμείς το εννοούσαμε. Νομίζουμε δηλαδή ότι ο «δέκτης» του μηνύματος το
Διαβάστε περισσότεραΤεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής
Τεχνολογία Πολυμέσων Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το
Διαβάστε περισσότεραΤηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Τηλεπισκόπηση. Κ. Ποϊραζίδης ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ
ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ Κ. Ποϊραζίδης Η ταξινόμηση εικόνας αναφέρεται στην ερμηνεία με χρήση υπολογιστή των τηλεπισκοπικών εικόνων. Παρόλο που ορισμένες διαδικασίες έχουν τη δυνατότητα να συμπεριλάβουν πληροφορίες
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΚΑΤΑΓΡΑΦΗΣ ΣΥΝΑΙΣΘΗΜΑΤΩΝ (EMOTIONS) ΑΠΟ ΤΗ ΧΡΗΣΗ ΠΟΛΥΜΕΣΙΚΟΥ ΠΕΡΙΕΧΟΜΕΝΟΥ. Ελένη Καλκοπούλου. στα πλαίσια του μαθήματος Πολυμέσα (ΓΤΠ61)
ΤΕΧΝΙΚΕΣ ΚΑΤΑΓΡΑΦΗΣ ΣΥΝΑΙΣΘΗΜΑΤΩΝ (EMOTIONS) ΑΠΟ ΤΗ ΧΡΗΣΗ ΠΟΛΥΜΕΣΙΚΟΥ ΠΕΡΙΕΧΟΜΕΝΟΥ στα πλαίσια του μαθήματος Πολυμέσα (ΓΤΠ61) ΔΙΑΡΘΡΩΣΗ ΠΑΡΟΥΣΙΑΣΗΣ Ορισμοί Συναίσθημα και Πολυμέσα Αναγνώριση Συναισθήματος
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΖΟΝΤΑΣ ΨΗΦΙΑΚΕΣ ΑΦΗΓΗΣΕΙΣ : TO SCRATCH OR NOT TO SCRATCH?
ΠΡΟΓΡΑΜΜΑΤΙΖΟΝΤΑΣ ΨΗΦΙΑΚΕΣ ΑΦΗΓΗΣΕΙΣ : TO SCRATCH OR NOT TO SCRATCH? Κουρή Βασιλική, Λαγάτουρα Άννυ, Νικολαΐδης Παύλος Eρευνητική εργασία A' Λυκείου του Α Αρσακείου Γενικού Λυκείου Ψυχικού Σχολική χρονιά
Διαβάστε περισσότεραΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΜουσικοκινητική Αγωγή
Μουσικοκινητική Αγωγή Τι είναι η Μουσικοκινητική Αγωγή Αρχές της Μουσικοκινητικής Αγωγής (Carl Orff) Παιδαγωγικές βάσεις της Μουσικοκινητικής Αγωγής Ποιοι οι στόχοι της Μουσικοκινητικής Αγωγής Αυτοσχεδιασμός
Διαβάστε περισσότερα4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραMPEG-7 : Περιγραφή πολυμεσικού περιεχομένου
MPEG-7 : Περιγραφή πολυμεσικού περιεχομένου Εξαγωγή μεταδεδομένων / περιγραφών Χαμηλού επιπέδου περιγραφείς Συντακτικός και σημασιολογικός ορισμός Ανάκτηση πολυμεσικών τεκμηρίων XML / OWL Δημοσίευση 2002
Διαβάστε περισσότεραΕργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence)
Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) http://www.intelligence.tuc.gr Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Το εργαστήριο Ένα από τα 3 εργαστήρια του
Διαβάστε περισσότεραΜια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB )
Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια πρώτη ιδέα για το μάθημα χωρίς καθόλου εξισώσεις!!! Περίγραμμα του μαθήματος χωρίς καθόλου εξισώσεις!!! Παραδείγματα από πραγματικές εφαρμογές ==
Διαβάστε περισσότεραΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ
Διαβάστε περισσότεραΤεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας
Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.
Διαβάστε περισσότεραE[ (x- ) ]= trace[(x-x)(x- ) ]
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΕισαγωγή στα χαρακτηριστικά των μικροφώνων
ΕΙΔΗ ΜΙΚΡΟΦΩΝΩΝ Επιμέλεια: Νίκος Σκιαδάς ΠΕ 17.13 Μουσικής Τεχνολογίας Το μικρόφωνο πήρε την ονομασία του από τον Ντέιβιντ Χιουζ, ο οποίος επινόησε μια διάταξη μεταφοράς ήχου που ήταν τόσο ευαίσθητη, που
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 1 η : Εισαγωγή. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 1 η : Εισαγωγή Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Βασικά στοιχεία της ψηφιακής επεξεργασίας και
Διαβάστε περισσότεραΑλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι
Διαβάστε περισσότεραΣυνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών
Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών
Διαβάστε περισσότεραΜέρος Α Γνωριμία με το περιβάλλον προγραμματισμού του ρομπότ OTTO
OTTO ROBOT Εκπαιδευτικές Δραστηριότητες Μέρος Α Γνωριμία με το περιβάλλον προγραμματισμού του ρομπότ OTTO Δραστηριότητα 1 - Γνωριμία, περιγραφή Otto Τι είναι το ρομπότ Otto; Είναι ένα αλληλεπιδραστικό
Διαβάστε περισσότεραK15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων
K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Η έννοια του συνδυαστικού
Διαβάστε περισσότεραΣυνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι
Διαβάστε περισσότεραΚεφάλαιο 5ο: Ακέραιος προγραμματισμός
Κεφάλαιο 5ο: Ακέραιος προγραμματισμός 5.1 Εισαγωγή Ο ακέραιος προγραμματισμός ασχολείται με προβλήματα γραμμικού προγραμματισμού στα οποία μερικές ή όλες οι μεταβλητές είναι ακέραιες. Ένα γενικό πρόβλημα
Διαβάστε περισσότεραΕπικοινωνίες στη Ναυτιλία
Επικοινωνίες στη Ναυτιλία Εισαγωγή Α. Παπαδάκης, Αναπλ. Καθ. ΑΣΠΑΙΤΕ Δρ. ΗΜΜΥ Μηχ. ΕΜΠ Βασικά Αντικείμενα Μαθήματος Σήματα Κατηγοριοποίηση, ψηφιοποίηση, δειγματοληψία, κβαντισμός Βασικά σήματα ήχος, εικόνα,
Διαβάστε περισσότεραΕΣΔ 200: ΔΗΜΙΟΥΡΓΙΑ ΠΕΡΙΕΧΟΜΕΝΟΥ ΙΙ. Ακαδημαϊκό Έτος 2011 2012, Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΕΠΙΚΟΙΝΩΝΙΑΣ & ΣΠΟΥΔΩΝ ΔΙΑΔΙΚΤΥΟΥ ΕΣΔ 200: ΔΗΜΙΟΥΡΓΙΑ ΠΕΡΙΕΧΟΜΕΝΟΥ ΙΙ Ακαδημαϊκό Έτος 2011 2012, Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σηµμάτων
Ψηφιακή Επεξεργασία Σηµμάτων Διάλεξη 3: DSP for Audio Δρ. Θωµμάς Ζαρούχας Επιστηµμονικός Συνεργάτης Μεταπτυχιακό Πρόγραµμµμα: Τεχνολογίες και Συστήµματα Ευρυζωνικών Εφαρµμογών και Υπηρεσιών 1 Προεπισκόπηση
Διαβάστε περισσότεραΤι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι
Διαβάστε περισσότεραΣυστήματα Πολυμέσων. Ενότητα 7: Συμπίεση Εικόνας κατά JPEG. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 7: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΠΡΟΣΧΕΔΙΟ ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ. Α τάξης Γυμνασίου
ΠΡΟΣΧΕΔΙΟ ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ Α τάξης Γυμνασίου 1 Η ΜΟΡΦΗ ΤΟΥ ΑΝΑΛΥΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ Γενικοί Στόχοι Ειδικοί Στόχοι Α. ΣΤΟΧΟΙ Β. ΟΔΗΓΙΕΣ ΓΙΑ ΤΟΝ/ ΤΗΝ ΕΚΠΑΙΔΕΥΤΙΚΟ και Γ. ΜΕΘΟΔΟΛΟΓΙΑ Δ. ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ Ε.
Διαβάστε περισσότεραΚατάτµηση εικόνας σε οµοιόµορφες περιοχές
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη
Διαβάστε περισσότεραΔύο αυτιά καλύτερα από ένα. Ακοή, όπως έχει προβλέψει η φύση
Δύο αυτιά καλύτερα από ένα Ακοή, όπως έχει προβλέψει η φύση Είναι καιρός να ακούσετε Η Phonak είναι ο μεγαλύτερος κατασκευαστής ακουστικών βοηθημάτων στον κόσμο. Με έδρα την Stäfa, στην Ελβετία, η εταιρία
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ
ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ 2.1 Εισαγωγή Η μέθοδος που θα χρησιμοποιηθεί για να προσομοιωθεί ένα σύστημα έχει άμεση σχέση με το μοντέλο που δημιουργήθηκε για το σύστημα. Αυτό ισχύει και
Διαβάστε περισσότεραΔιοίκηση Επιχειρήσεων
10 η Εισήγηση Δημιουργικότητα - Καινοτομία 1 1.Εισαγωγή στη Δημιουργικότητα και την Καινοτομία 2.Δημιουργικό Μάνατζμεντ 3.Καινοτομικό μάνατζμεντ 4.Παραδείγματα δημιουργικότητας και καινοτομίας 2 Δημιουργικότητα
Διαβάστε περισσότερα2 η Εργαστηριακή Άσκηση
Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ 2 η Εργαστηριακή Άσκηση Σύγκριση Ομόδυνων Ζωνοπερατών Συστημάτων 8-PSK και 8-FSK Στην άσκηση αυτή καλείστε
Διαβάστε περισσότεραΈλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Χαρακτηριστικά Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ με έμφαση στις γνωστικές λειτουργίες
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ με έμφαση στις γνωστικές λειτουργίες Θεματική Ενότητα 12: Συναισθήματα Θεματική Ενότητα 12 Στόχοι: Η εισαγωγή των φοιτητών στις διαστάσεις των συναισθημάτων, στο μηχανισμό λειτουργίας
Διαβάστε περισσότεραΓΕΝΙΚΟ ΛΥΚΕΙΟ ΑΡΧΑΓΓΕΛΟΥ Γ ΤΑΞΗ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ
ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΑΡΧΑΓΓΕΛΟΥ Γ ΤΑΞΗ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ γνώση + ικανότητα επικοινωνίας χρήσιμη & απαραίτητη αποτελεσματικότητα στον επαγγελματικό χώρο αποτελεσματικότητα στις ανθρώπινες σχέσεις Περισσότερο
Διαβάστε περισσότεραΤΙΤΛΟΣ ΑΝΑΦΟΡΑΣ: ΕΦΑΡΜΟΓΗ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΕΣ ΠΕΡΙΤΠΩΣΕΙΣ
ΤΙΤΛΟΣ ΑΝΑΦΟΡΑΣ: ΕΦΑΡΜΟΓΗ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΕΣ ΠΕΡΙΤΠΩΣΕΙΣ ΚΩΔΙΚΟΣ ΠΑΡΑΔΟΤΕΟΥ: Π18 ΑΡΙΘΜΟΣ ΠΡΩΤΟΚΟΛΛΟΥ ΈΡΓΟΥ: ΤΠΕ/ΟΡΖΙΟ/0308(ΒΕ)/03 ΤΙΤΛΟΣ ΕΡΓΟΥ: ΓΕΝΙΚΕΥΜΕΝΟ ΣΥΣΤΗΜΑ ΑΣΑΦΟΥΣ ΓΝΩΣΤΙΚΟΥ ΧΑΡΤΗ
Διαβάστε περισσότεραΕΕΟ 11. Η χρήση στατιστικών εργαλείων στην εκτιμητική
ΕΕΟ 11 Η χρήση στατιστικών εργαλείων στην εκτιμητική 1. Εισαγωγή 2. Προϋποθέσεις χρήσης των Αυτοματοποιημένων Εκτιμητικών Μοντέλων (ΑΕΜ) 3. Περιορισμοί στη χρήση των ΑΕΜ εφόσον έχουν πληρωθεί οι προϋποθέσεις
Διαβάστε περισσότερα«Επικοινωνίες δεδομένων»
Εργασία στο μάθημα «Διδακτική της Πληροφορικής» με θέμα «Επικοινωνίες δεδομένων» Αθήνα, Φεβρουάριος 2011 Χρονολογική απεικόνιση της εξέλιξης των Τηλεπικοινωνιών Χρονολογική απεικόνιση της εξέλιξης των
Διαβάστε περισσότεραΔιάλεξη 9. Η Φυσική της Μουσικής Τ.Ε.Ι. Ιονίων Νήσων. Αντίληψη συνδυασμών τόνων Μορφές ακοής Συνήχηση & παραφωνία Θεωρίες αντίληψης ύψους
Η Φυσική της Μουσικής Τ.Ε.Ι. Ιονίων Νήσων Διάλεξη 9 Αντίληψη συνδυασμών τόνων Μορφές ακοής Συνήχηση & παραφωνία Θεωρίες αντίληψης ύψους Ανασκόπηση της Διάλεξης 8 Εξετάσαμε την αντίληψη του ύψους ενός καθαρού
Διαβάστε περισσότεραΣυλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών
Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών Τύπων. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές
Διαβάστε περισσότεραΕισαγωγή στα Προσαρµοστικά Συστήµατα
ΒΕΣ 06 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Εισαγωγή στα Προσαρµοστικά Συστήµατα Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π..407/80 Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου
Διαβάστε περισσότεραΈνα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω:
Σημειώσεις Δικτύων Αναλογικά και ψηφιακά σήματα Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Χαρακτηριστικά
Διαβάστε περισσότεραΉχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1
Ήχος Χαρακτηριστικά του ήχου Ψηφιοποίηση με μετασχηματισμό Ψηφιοποίηση με δειγματοληψία Κβαντοποίηση δειγμάτων Παλμοκωδική διαμόρφωση Συμβολική αναπαράσταση μουσικής Τεχνολογία Πολυμέσων και Πολυμεσικές
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2013-2014 Κωδικοποίηση ζωνών συχνοτήτων Δρ. Ν. Π. Σγούρος 2 Φαινόμενο Μπλόκ (Blocking Artifact) Η χρήση παραθύρων για την εφαρμογή των μετασχηματισμών δημιουργεί το φαινόμενο μπλόκ Μειώνεται
Διαβάστε περισσότεραSocial Web: lesson #3
Social Web: lesson #3 tagging social organisation of information ratings democratic editorial control shared opinions collaborative filtering recommendations case studies del.icio.us digg last.fm το Tag...
Διαβάστε περισσότεραΟ Ήχος. Υπεύθυνος Καθηγητής: Παζούλης Παναγιώτης
ιαθεµατική Εργασία µε Θέµα: Οι Φυσικές Επιστήµες στην Καθηµερινή µας Ζωή Ο Ήχος Τµήµα: β1 Γυµνασίου Υπεύθυνος Καθηγητής: Παζούλης Παναγιώτης Συντακτική Οµάδα: Γεώργιος Ελευθεριάδης Ο Ήχος Έχει σχέση ο
Διαβάστε περισσότεραE [ -x ^2 z] = E[x z]
1 1.ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτήν την διάλεξη θα πάμε στο φίλτρο με περισσότερες λεπτομέρειες, και θα παράσχουμε μια νέα παραγωγή για το φίλτρο Kalman, αυτή τη φορά βασισμένο στην ιδέα της γραμμικής
Διαβάστε περισσότεραΣυστήματα Πολυμέσων. Ενότητα 12: Συμπίεση Ψηφιακού Ήχου. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Συστήματα Πολυμέσων Ενότητα 12: Συμπίεση Ψηφιακού Ήχου Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότερα21/6/2012. Μέθοδοι Κινηματικής ανάλυσης ΒΑΣΙΚΟΙ ΟΡΙΣΜΟΙ ΣΥΧΝΟΤΗΤΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΣΥΧΝΟΤΗΤΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ. Στόχος μεθόδων κινηματικής ανάλυσης
Στόχος μεθόδων κινηματικής ανάλυσης ΜΕΤΡΗΣΗ Μέθοδοι Κινηματικής ανάλυσης Ανάλυση Βάδισης ΜΕΤΑΤΟΠΙΣΗΣ ΤΑΤΗΤΑΣ ΕΠΙΤΑΝΣΗΣ Σημείου Μέλους Γωνίας ΒΑΣΙΚΟΙ ΟΡΙΣΜΟΙ ΣΝΟΤΗΤΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ Η συχνότητα καταγραφής
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος... 9 Δύο λόγια για το νέο ερευνητή Δύο λόγια για το Διδάσκοντα Ένα κβαντικό παιχνίδι... 15
Περιεχόμενα Πρόλογος... 9 Δύο λόγια για το νέο ερευνητή... 11 Δύο λόγια για το Διδάσκοντα... 1 Ένα κβαντικό παιχνίδι... 15 Κεφάλαιο 1: Κβαντικά συστήματα δύο καταστάσεων...17 1.1 Το κβαντικό κέρμα... 17
Διαβάστε περισσότεραProjects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας
Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας Τα projects θα γίνουν απο δύο άτοµα Για τα projects 1-4 υπεύθυνος είναι ο κ. Αναστασόπουλος Για τα 5-11 ο κ. Φωτόπουλος Για τα 12-15 οι κ. Φωτόπουλος
Διαβάστε περισσότεραΑλγόριθμος Ομαδοποίησης
Αλγόριθμος Ομαδοποίησης Εμπειρίες από τη μελέτη αναλλοίωτων χαρακτηριστικών και ταξινομητών για συστήματα OCR Μορφονιός Κωνσταντίνος Αθήνα, Ιανουάριος 2002 Γενικά Ένα σύστημα OCR χρησιμοποιείται για την
Διαβάστε περισσότεραMPEG-4: Διαδραστικές εφαρμογές πολυμέσων
MPEG-4: Διαδραστικές εφαρμογές πολυμέσων Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών http://www.csd.uoc.gr/~tziritas Άνοιξη 2016 1 Εισαγωγή Δημοσίευση 1998 (Intern. Telecom. Union) Επικοινωνίες με πολυμέσα,
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα # 3: Αριθμητικά Περιγραφικά Μέτρα Εβελίνα Κοσσιέρη Τμήμα Λογιστικής και Χρηματοοικονομικής ΑΔΕΙΕΣ
Διαβάστε περισσότεραΑρχιτεκτονική σχεδίαση με ηλεκτρονικό υπολογιστή
Γ Αρχιτεκτονική σχεδίαση με ηλεκτρονικό υπολογιστή Η χρήση των ηλεκτρονικών υπολογιστών στο τεχνικό σχέδιο, και ιδιαίτερα στο αρχιτεκτονικό, αποτελεί πλέον μία πραγματικότητα σε διαρκή εξέλιξη, που επηρεάζει
Διαβάστε περισσότεραΥπεύθυνος Εκπαιδευτικός: Κοντογιάννη Γεωργία Τάξη: Α Αριθμός παιδιών που συμμετείχαν: 23 Σχολείο: 5 ο Δημοτικό Σχολείο Αλεξάνδρειας Σχολικό έτος:
Υπεύθυνος Εκπαιδευτικός: Κοντογιάννη Γεωργία Τάξη: Α Αριθμός παιδιών που συμμετείχαν: 23 Σχολείο: 5 ο Δημοτικό Σχολείο Αλεξάνδρειας Σχολικό έτος: 2015-2016 Διάρκεια υλοποίησης: 5 μήνες ΓΕΝΙΚΟΙ ΣΤΟΧΟΙ Να
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ (ΨΧ 00)
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ (ΨΧ 00) Πέτρος Ρούσσος ΔΙΑΛΕΞΗ 5 Έννοιες και Κλασική Θεωρία Εννοιών Έννοιες : Θεμελιώδη στοιχεία από τα οποία αποτελείται το γνωστικό σύστημα Κλασική θεωρία [ή θεωρία καθοριστικών
Διαβάστε περισσότεραΕισαγωγή στην Ψυχολογία με έμφαση στις γνωστικές λειτουργίες
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Ψυχολογία με έμφαση στις γνωστικές λειτουργίες Συναισθήματα Διδάσκουσα: Επίκ. Καθ. Γεωργία Α. Παπαντωνίου Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότερα14 Δυσκολίες μάθησης για την ανάπτυξη των παιδιών, αλλά και της εκπαιδευτικής πραγματικότητας. Έχουν προταθεί διάφορες θεωρίες και αιτιολογίες για τις
ΠΡΟΛΟΓΟΣ Οι δυσκολίες μάθησης των παιδιών συνεχίζουν να απασχολούν όλους όσοι ασχολούνται με την ανάπτυξη των παιδιών και με την εκπαίδευση. Τους εκπαιδευτικούς, οι οποίοι, μέσα στην τάξη τους, βρίσκονται
Διαβάστε περισσότεραΕισαγωγή στην επιστήμη των υπολογιστών
Εισαγωγή στην επιστήμη των υπολογιστών Υπολογιστές και Δεδομένα Κεφάλαιο 3ο Αναπαράσταση Αριθμών www.di.uoa.gr/~organosi 1 Δεκαδικό και Δυαδικό Δεκαδικό σύστημα 2 3 Δεκαδικό και Δυαδικό Δυαδικό Σύστημα
Διαβάστε περισσότεραΕπικοινωνία προπονητή-αθλητών
Επικοινωνία προπονητή-αθλητών Γιάννης Ζαρώτης Ψυχολόγος-Αθλητικός Ψυχολόγος, MSc-PhD www.psychology.org.gr Επικοινωνία Λεκτική: ό,τι λέμε χρησιμοποιώντας το λόγο Μη λεκτική: ό,τι λέμε χωρίς να το εκφράζουμε
Διαβάστε περισσότεραΚαρράς Άγγελος Μυλωνάς Δημήτρης Τζούτι Μιγκλέν
5 Ο ΓΥΜΝΑΣΙΟ ΘΗΒΑΣ Α ΤΑΞΗ ΓΥΜΝΑΣΙΟΥ ΒΙΩΜΑΤΙΚΕΣ ΔΡΑΣΕΙΣ ΕΠΙΣΤΗΜΟΝΙΚΟ ΠΕΔΙΟ: ΣΧΟΛΙΚΗ ΚΑΙ ΚΟΙΝΩΝΙΚΗ ΖΩΗ ΘΕΜΑ: «Ο ΚΟΣΜΟΣ ΤΩΝ ΣΥΝΑΙΣΘΗΜΑΤΩΝ» - «Χρώματα και συναισθήματα» ΟΝΟΜΑ ΟΜΑΔΑΣ: Famous ΜΕΛΗ ΟΜΑΔΑΣ : Κατσιφή
Διαβάστε περισσότεραΧρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης
Διαβάστε περισσότεραΜάθημα: Τεχνολογία Ήχου
Τμήμα Τεχνών Ήχου και Εικόνας Ιόνιο Πανεπιστήμιο Μάθημα: Τεχνολογία Ήχου Εργαστηριακή Άσκηση 2 «Αποτύπωση παραμορφώσεων της αλυσίδας ηχητικής αναπαραγωγής» Διδάσκων: Φλώρος Ανδρέας Δρ. Ηλ/γος Μηχ/κός &
Διαβάστε περισσότεραΑναζητήσεις στο Διαδίκτυο
Αναζητήσεις στο Διαδίκτυο Πλεονεκτήματα από τη χρήση του Διαδικτύου για την αναζήτηση πληροφοριών Υπάρχει πληθώρα πληροφοριών (που περιλαμβάνουν μεγάλο εύρος από media). Οι μαθητές καθίστανται «ερευνητές
Διαβάστε περισσότεραΕικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1
Εικόνα Εισαγωγή Ψηφιακή αναπαράσταση Κωδικοποίηση των χρωμάτων Συσκευές εισόδου και εξόδου Βάθος χρώματος και ανάλυση Συμβολική αναπαράσταση Μετάδοση εικόνας Σύνθεση εικόνας Ανάλυση εικόνας Τεχνολογία
Διαβάστε περισσότεραΜάθημα: Μηχανική Όραση
Μάθημα: Μηχανική Όραση Εργασία 2: Advances in Digital Imaging and Computer Vision Ομάδα χρηστών 2 : Τσαγκαράκης Νίκος, Καραμήτρος Κώστας Εισαγωγή Σκοπός της άσκησης, είναι να εξοικειωθούμε με κάποιες βασικές
Διαβάστε περισσότεραΣυλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων
Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος στο LabVIEW. Εμπρόσθιο Πλαίσιο (front
Διαβάστε περισσότεραz = c 1 x 1 + c 2 x c n x n
Τεχνολογικό Εκπαιδευτικό Ιδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός & Βελτιστοποίηση Δρ. Δημήτρης Βαρσάμης Καθηγητής Εφαρμογών Δρ. Δημήτρης Βαρσάμης Μάρτιος
Διαβάστε περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΤΕΧΝΙΚΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΤΕΧΝΙΚΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΕΥΑΓΓΕΛΙΑΣ Π. ΛΟΥΚΟΓΕΩΡΓΑΚΗ Διπλωματούχου Πολιτικού Μηχανικού ΟΛΟΚΛΗΡΩΜΕΝΟ
Διαβάστε περισσότεραMPEG-4 : Διαδραστικές εφαρμογές πολυμέσων
MPEG-4 : Διαδραστικές εφαρμογές πολυμέσων Συμπίεση οπτικοακουστικών δεδομένων για το Διαδίκτυο Οπτικοί δίσκοι Ψηφιακή τηλεόραση (επίγεια, δορυφορική) Συμβατότητα με MPEG-1 και MPEG-2 Συνθετική σκηνή Εισαγωγή
Διαβάστε περισσότεραΣυστήματα Πολυμέσων. Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 3: Συστήματα Διακριτού Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Συστήματα Διακριτού Χρόνου Εισαγωγή στα Συστήματα Διακριτού Χρόνου Ταξινόμηση Συστημάτων ΔΧ
Διαβάστε περισσότεραΣυναισθήματα και η Διαχείρισή τους
Συναισθήματα και η Διαχείρισή τους Όταν είμαστε παιδιά, στο ξεκίνημα της ζωής μας, έχουμε έντονη σύγχυση σχετικά με τα συναισθήματά μας, νοιώθοντας την ανάγκη να κατανοήσουμε τον εαυτό μας και τον κόσμο
Διαβάστε περισσότεραof Cognition, Brain, and Language, Spain.
Θέματα Πτυχιακής/Μεταπτυχιακής Εργασίας Εργαστήριο Επεξεργασίας Σήματος Φωνής 26 Οκτωβρίου 2018 Τα παρακάτω θέματα παρουσιάζουν πτυχιακές/μεταπτυχιακές εργασίες στο Εργαστηριο Επεξεργασίας Σήματος Φωνής
Διαβάστε περισσότερα1 Εισαγωγή στις Συνδυαστικές Δημοπρασίες - Combinatorial Auctions
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Συμπληρωματικές σημειώσεις για τον μηχανισμό VCG 1 Εισαγωγή στις Συνδυαστικές
Διαβάστε περισσότεραΑλληλεπίδραση Ανθρώπου- Υπολογιστή & Ευχρηστία
Αλληλεπίδραση Ανθρώπου- Υπολογιστή & Ευχρηστία Ενότητα 2: Ο Άνθρωπος Σαπρίκης Ευάγγελος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΘεώρημα δειγματοληψίας
Δειγματοληψία Θεώρημα δειγματοληψίας Ένα βαθυπερατό σήμα πεπερασμένης ενέργειας που δεν περιέχει συχνότητες μεγαλύτερες των W Hertz μπορεί να περιγραφθεί πλήρως από τις τιμές του σε χρονικές στιγμές ισαπέχουσες
Διαβάστε περισσότεραΜάθημα 4ο. Προγράμματα
Μάθημα 4ο Προγράμματα Σελίδα 47 από 106 4.1 Εγκατάσταση προγραμμάτων Όπως έχουμε πει στο πρώτο μάθημα (Σημειώσεις 1ου Μαθήματος 1.3.3.Β σελ. 12) τα προγράμματα ή αλλιώς εφαρμογές αποτελούν μέρος του λογισμικού
Διαβάστε περισσότεραΓΕΝΙΚΟ ΛΥΚΕΙΟ ΛΙΤΟΧΩΡΟΥ ΔΗΜΙΟΥΡΓΙΚΗ ΕΡΓΑΣΙΑ
ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΛΙΤΟΧΩΡΟΥ ΔΗΜΙΟΥΡΓΙΚΗ ΕΡΓΑΣΙΑ ΤΙΤΛΟΣ: «ΕΜΠΕΙΡΙΣΜΟΣ ΚΑΙ ΑΡΙΣΤΟΤΕΛΗΣ» ΜΑΘΗΤΡΙΑ: ΠΡΙΑΜΗ ΒΑΓΙΑ, Β4 ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΝΤΑΒΑΡΟΣ ΧΡΗΣΤΟΣ ΣΧΟΛΙΚΟ ΕΤΟΣ 2016 17 Περιεχόμενα ΠΕΡΙΛΗΨΗ... 3 ΕΙΣΑΓΩΓΗ...
Διαβάστε περισσότεραΜουσική Παιδαγωγική Θεωρία και Πράξη
Μουσική Παιδαγωγική Θεωρία και Πράξη Σκοποί Στόχοι - Δραστηριότητες Ζωή Διονυσίου Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά
Διαβάστε περισσότεραD. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004.
D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004. 1/45 Τι είναι ο SIFT-Γενικά Scale-invariant feature transform detect and
Διαβάστε περισσότεραΜιχάλης Μακρή EFIAP. Copyright: 2013 Michalis Makri
Μιχάλης Μακρή EFIAP Copyright: 2013 Michalis Makri Copyright: 2013 Michalis Makri Less is more Less but better Copyright: 2013 Michalis Makri Ο μινιμαλισμός ορίζεται ως η εξάλειψη όλων των στοιχείων που
Διαβάστε περισσότεραΠΑΝΕΠΙΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΠΑΝΕΠΙΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 1 ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Κατασκευή εφαρμογής ανίχνευσης κινούμενων αντικειμένων ή αντικειμένων που εναποτέθηκαν με χρήση όρασης
Διαβάστε περισσότεραΤεράστιες ανάγκες σε αποθηκευτικό χώρο
ΣΥΜΠΙΕΣΗ Τεράστιες ανάγκες σε αποθηκευτικό χώρο Παράδειγμα: CD-ROM έχει χωρητικότητα 650MB, χωρά 75 λεπτά ασυμπίεστου στερεοφωνικού ήχου, αλλά 30 sec ασυμπίεστου βίντεο. Μαγνητικοί δίσκοι χωρητικότητας
Διαβάστε περισσότεραΟΠΤΙΚΟΚΙΝΗΤΙΚO ΣYΣΤΗΜΑ. Αθανασιάδης Στάθης φυσικοθεραπευτής NDT
ΟΠΤΙΚΟΚΙΝΗΤΙΚO ΣYΣΤΗΜΑ Αθανασιάδης Στάθης φυσικοθεραπευτής NDT ΠΡΟΣΔΙΟΡΙΣΜOΣ ΤΗΣ ΟΡΑΣΗΣ «κοιτάζουμε με τα μάτια αλλά βλέπουμε με τον εγκέφαλο» 90% των πληροφοριών που φθάνουν στον εγκέφαλο περνούν μέσα
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότερα«Επικοινωνίες δεδομένων»
Εργασία στο μάθημα «Διδακτική της Πληροφορικής» με θέμα «Επικοινωνίες δεδομένων» Αθήνα, Φεβρουάριος 2011 Χρονολογική απεικόνιση της εξέλιξης των Τηλεπικοινωνιών Χρονολογική απεικόνιση της εξέλιξης των
Διαβάστε περισσότερα