Archive for April, 2009
SVN
Posted by Fréderic Cox in school on April 23rd, 2009
Wanneer je een thesis schrijft weet je dat je veel aanpassingen moet maken aan het document. Zinnen veranderen, delen wegschrappen, tekst bijvoegen…dat soort dingen. Als we dan uiteindelijk een uitgebreid document gemaakt hebben willen we dat natuurlijk niet kwijtspelen! Een harde schijf die crasht is een overmacht waar je niet veel aan kan doen maar gegevensverlies voorkomen ligt wel in je mogelijkheden! Ik heb vandaag gekozen om een SVN repository op te zetten voor mijn hele thesismap.
Subversion (SVN) is een versiebeheersysteem dat de originele bestanden op een server plaatst en hierna enkel de wijzigingen bijhoudt. Hierdoor kan je makkelijk bestanden vergelijken en eventueel teruggaan naar een oudere versie. Aangezien alles online bijgehouden wordt geeft dit een extra zekerheid om de gegevens niet te verliezen.
SVN is zeker aan te raden, ook voor mijn medestudenten!
Lees hier een tutorial over het samenwerken met Microsoft Word
Beeld
Posted by Fréderic Cox in Thesis, c-md, school on April 22nd, 2009
Het is me gelukt! Ik, als grote en fervente blogger, heb het volgehouden om meer dan een maand niets van mij te laten horen. Hiep nog eens hiep en hoera!
Onzin natuurlijk… Het is gewoon ontzettend druk en verscheidene blogposts (zoals deze) staan al eventjes in de wachtkamer.
Waar ik mij dan mee bezig gehouden heb? Enerzijds met mijn thesisonderzoek en experimenten maar anderzijds met het thesisabstract en een beeld. Een beeld zeg je? Jawel, een zelfgemaakte afbeelding waaruit blijkt waar ik met deze thesis over handel.
Makkelijk was zo’n beeld maken niet. Niet enkel omdat ik geen fervente designer ben (maar laat dat geen excuus zijn), vooral omdat iets simpel overbrengen vaak net héél moeilijk is. Je moet goed afwegen wat je precies wil duidelijk maken en zo op een manier je thesis stileren en in een afbeelding gieten.
Wat het dan uiteindelijk geworden is? Digitale extra’s toevoegen aan de fysieke wereld om zo bepaalde content makkelijker tot bij onervaren gebruikers te brengen of voor ervaren gebruikers de werkruimte uit te breiden.
Let it go
Posted by Fréderic Cox in Thesis, c-md, school on April 21st, 2009
Soms zijn er van die dingen waar een mens technische geek als ik zich kan in vastbijten en die hij niet kan loslaten. Toen ik hoorde dat er een API beschikbaar was om gezichten te herkennen in Flash was ik wild enthousiast! Na verder onderzoek stootte ik op Deface en Marilena. Meteen proberen maar.. en op een avondje had ik deze demo nagemaakt.
Heel leuk die gezichtsherkenning, alleen herkent dit enkel gezichten. Begrijp me niet verkeerd dat is wat we willen maar het herkent geen unieke gezichten. Er zal dus wel een gezicht herkend worden maar wie dat precies is daar hebben we geen flauw idee van.
Dit was een tegenvaller voor mij (ondanks het feit dat het herkennen van een gezicht al een groot wauw effect veroorzaakt heeft) en ik nam er niet zomaar genoegen mee. Ik ging op zoek naar de achterliggende technieken die gebruikt werden.
Marilena is eigenlijk een Actionscript 3 (Flash) versie van OpenCV Object Detection. Dit is een ontwikkeling van Intel om objecten te herkennen in een afbeelding of videoframe. Het kan dus meer dan puur gezichten herkennen en is vooral populair in de C++ wereld.
Ik was gebeten door de microbe en zag een heleboel mogelijkheden om objecten te herkennen uit de fysieke wereld zonder RFID nodig te hebben. Ik ging dus dieper in in het OpenCV gebeuren. Om objecten te laten herkennen heb je (liefst zo veel mogelijk verschillende) afbeeldingen nodig van het object dat je wilt herkennen (positive images) en een heel deel afbeeldingen die dat object niet bevatten (negative images). Hiermee kan je dan een heuse database maken waaruit je een haar classifier moet bouwen. Dit is een groot xml bestand (voorbeeld: dit is de classifier voor neusherkenning). Dat XML bestand bevat dus een resem waarden die vergeleken worden met een afbeelding en OpenCV geeft dan de coördinaten terug van de locatie van het object in die afbeelding.
Aangezien wiskunde niet mijn allersterkste vak was op school en ik geen C++ ervaring heb ben ik hier toch maar wijselijk gestopt. De ROI is te laag om hier mee verder te gaan. Als ik bijvoorbeeld een simpele appel zou willen herkennen zou ik dus een duizendtal positieve en negatieve afbeeldingen moeten verzamelen, en zelfs als het dan lukt om een perfecte classifier te bouwen heb ik nog altijd maar een appel te herkennen, geen specifiek merk of wat dan ook…
Dit resulteert in het feit dat de markers momenteel nog steeds de beste manier zijn om een object te herkennen voor Augmented Reality.