- Python 100%
| Images | ||
| .gitignore | ||
| deleteAllNotInAfromB.py | ||
| imagefourierdiff.py | ||
| README.md | ||
| sort.py | ||
Gruppe Fourier Transform
Andrassik, Krall
Notizen:
Grundlagen Bildverarbeitung - Besprechungen
Abschlusspräsentation:
- nur ein Band rekonstruieren
30.10.
Bandpassfilter -> Ring -> Koeffizient -> Mittelwert/Abweichung/Energie/Histogramme
-> in verschiedenen Bändern (Radien) mit Magnitude der Fourier Transform
Bis nächstes Mal mit verschiedenen Filtern
13.11.
Bandpassfilter an Bilder anpassen (nicht quadratisch)
Ob Abweichung passt erst bei größeren Experimenten sichtbar
Mehr als drei Bänder
Bis nächstes Mal in KNN -> und erste Ergebnisse
Bei Featurevektor alles in einen Vektor, aber schauen, wie passt
27.11.
KNN umschreiben (Scikit? -> LeaveOneOut)
Energie statt Abweichung!!! (Summe von n² von Koeffizienten) im Band
Synthetische einberechnen
Genuine vs Spoof im Ergebnis
Bis zum nächsten Mal: eine Datenbank mit synth. vergleichen
11.12.
Bei quadratischen synthetischen Bildern Größe anpassen (Python Code von Prof)
Scikit KNN!
Nächster Schritt: LeaveOutOut -> LeaveOneSubjectOut/LeaveOnePersonOut Cross Validation
-> Keine Bilder von dieser Person in Trainingsdaten!
- Genuine vs Spoofed
- Genuine vs Synthetisch
Ziel: Genuine + Synthetisch -> Spoofed erkennen
Bis 08.01. alle Daten -> Auswertungen
08.01.
Vollstaendige Ergebnisse
Einfluss von Anzahl Bändern und k
Präsentation bis zum naechsten Mal\
22.01.
Balanciert -> Nur Genuine verwenden, die auch in synthetisch/spoofed sind (gleich viele)
LeaveOneSubjectOut UND LeaveOneOut
Schauen in welchen Baendern unterschiede (nicht alle 30 Baender verwenden) -> diese Baender rekonstruieren
Ein Band rekonstruieren?
Praesentation an Prof schicken (nicht erst am letzten Tag)