Система образования тут вторична. Начинать нужно не с неё.
Мне кажется, тут ошибка и в форме и в содержании.
Система образования, оставшаяся от СССР, была избыточна по отношению к новой «рыночной» экономике. Теперь образование, учитывая его традиционную инерцию, «подтянулось» к потребностям экономики, так что здесь курица, а что яйцо?
а законы Ома пусть китайцы изучают: вон сколько в стране шикарной электроники из поднебесной и за сущие копейки. Мировое разделение труда типа.
Так теперь, смотря на лица многих ведущих западных университетов, мы видим азиатские (китайские чаще всего) лица. Не ясно, причем здесь система разделения труда, когда трудолюбивые китайцы сосут сразу от двух маток, кто-то остается в США, кто-то востребован у себя в стране.
Вы уж тоже извините, но Вас за всю РФ отвечать никто не уполномочил… ВПК всегда и во всем мире был локомотивом экономики, многие технологии вышли из военных разработок, в том числе и Интернет, который позволяет нам с Вами обмениваться мнениями. GPS/ГЛОНАСС тоже создавались изначально не для того, чтобы такси с телефона заказывать. Интересно, чтобы было, если бы тогда люди сказали: «Нам это не нужно, есть почта и есть дорожные атласы на бумаге в каждом газетном киоске»?
Ценность то может и возрастет. Вот только приобщиться к знаниям тогда смогут не только лишь все… Почему-то все любят полагаться на рыночные механизмы, но забывают, что это механизмы с положительной обратной связью. В царские времена, пожалуй, наши университеты были вровень с другими Европейскими, только вот мы имели более 95% процентов населения, которое читать не умело. Впрочем, теперь образовательная политика так и строится — поддержать итак большие и богатые университеты, а бедные пусть социальную, а не образовательную функцию выполняют. Считается теперь, что лучше иметь 5 университетов в top 100 рейтингов, чем всеобщая грамотность населения. Ваше мнение, можно сказать, услышано, у нас уже итак это все реализуется…
Так, по-вашему, перетоку трудовых сил абсолютно ничто не мешает, рынок абсолютно прозрачный и перемещения между странами не имеют никаких ограничений? По-вашему получается, например, что квалифицированный врач может просто так уехать из РФ в любую другую страну и начать там практику? Возможно, Вы забываете, что в отличие от ИТ-специальностей, многие специальности, связанные с материальным миром, требуют либо переучивания (дообучения), либо сертификации по месту переезда. И это касается далеко не только врачей, но и, например, специалистов в области энергетики, строительства и т.п. Далее, существует нормальная конкуренция между странами, где каждая страна стремится дать приоритет своим собственным гражданам, если их достаточно для удовлетворения потребностей в данной специальности. Например, зачем нанимать врачей из других стан, если хватает своих собственных? И почему бы не нанимать дворников или сиделок, если своих желающих не хватает?
Эффективность — допустим, пускай это будет наилучшая фильтрация при минимальной задержке.
Наилучшая по какому критерию? Для каких моделей?
Тот же Ходрик-Прескотт использует определенный критерий оптимальности, который, как я могу предположить, все таки введен эвристически из предположения о наличии тренда и циклических составляющих. Эффективность этого подхода в сравнении с другими можно оценить только экспериментально.
В фильтре Калмана задаются динамическая (линейная) модель сигнала и модель процесса наблюдения (измерения) в терминах пространства состояний. Стохастическая составляющая обусловлена наличием формирующего шума и шума измерений.
Борьба с циклическими составляющими и выделение тренда в каких-либо процессах — это, конечно, не та задача, для которой разрабатывался фильтр Калмана. Шумом обычно называют быстропротекающие случайные процессы, чаще всего отличимые по частотным составляющим от полезного сигнала. Как мне показалось, обсуждаемая статья написана именно в контексте борьбы именно с такими шумами.
Тут, пожалуй, полезно упомянуть еще о таких обстоятельствах.
1) Медианный фильтр не даст эффект, если ширина импульса помехи превышает половину ширины окна фильтра.
2) Ранговые фильтры обычно требуют большого числа операций сравнения (для сортировки последовательности или поиска ранговых статистик), а в случае двумерной фильтрации дополнительно накладывается тот факт, что такие фильтры не являются сепарабельными. Поэтому утверждать, что медианный фильтр по вычислительным затратам лучше, чем другие сопоставимые по размеру окна фильтры я бы, пожалуй, не стал. Особенно, если речь идет о применении алгоритма фильтрации на сигнальном процессоре, адаптированном скорее на такие операции, как умножение с накоплением.
Интересно, у этого фильтра есть название? Не могу нагуглить ничего похожего.
Вот именно такой вариант мне лично не попадался. Если я правильно понял, получается тот же усредняющий фильтр, но с коррекцией на возможность появления выбросов. Подобные эвристики, надо сказать, встречаются часто. Можно было бы, например, отбрасывать значения не по принципу минимума и максимума в окне, а сравнивать с фиксированным или адаптивным порогом (опять же как пример, выбрасывать из статистики значения у которых отклонения от матожидания превышают K оценочных значений СКО и т.п.). Можно просто усреднять с весами, обратно зависящими от прогнозируемого значения СКО (дисперсии). Или еще один пример. Если используется фильтра Калмана, можно анализировать отклонение в текущей точке от прогноза, и, если оно большое, не делать обновление, а использовать прогнозируемое значение на данном шаге. В принципе, при резких отклонениях какое-то время экстраполяция на основе прогноза может быть достаточно удовлетворительной, и при этом не требуется ранжировать элементы в каждом положении окна фильтрации.
Если, я правильно помню теорию, то для такой сходимости достаточно чтобы сигнал и шум были стационарными процессами. Фильтр Винера как раз для такой модели и строится.
Фильтр Калмана, в свою очередь, допускает нестационарность процессов.
Фильтр Ходрика-Прескотта, как я понял из его описания, предназначен для определенной цели — устранения циклической составляющей во временных рядах и выделения тренда. Эта задача отличается от классической постановки задачи фильтрации сигналов. Кроме того, говорить об эффективности и сравнивать эффективность чего-либо имеет смысл только применительно к конкретной задаче, а не абстрактно.
Или основанные на заранее известной динамической модели сигнала.
Фильтр Калмана основывается на модели сигнала (линейной) и модели шума измерений. Существуют обобщения для и нелинейных моделей, например — UKF. Кроме того, фильтр Калмана при определенных вводных, для которых он и выводится, является оптимальным с точки зрения минимума среднекваратичной ошибки, что отвечает на вопрос его эффективности/неэффективности в этих условиях.
Вероятно здесь имеют в виду, что измерения сопровождаются шумом. Например, камера смотрит на стационарный фон но измерения яркости каждого пикселя зашумлены из-за теплового дрейфа и ошибок дискретизации. В этом случае яркость отдельного пикселя во времени есть константа, но наблюдаемая в виде аддитивной смеси с шумовыми отсчетами.
Ну или просто величина медленно меняется так, что на каком-либо отдельном интервале наблюдения ее значение можно принять в качестве константы.
Такую статью было бы неплохо начать с того, чтобы определить какие бывают виды шума (аддитивный, мультипликативный, импульсный и т.д.) и с какими из них Вы собираетесь бороться. Выбор способа фильтрации зависит как от характера фильтруемого сигнала, так и от характера действующего в канале шума.
Медианный фильтр предназначен для борьбы с импульсным шумом. Похоже, что Ваша реализация медианного фильтра станет бесполезной, если ширина импульсов будет больше одной единицы дискретизации.
Фильтр Калмана
Еще один фильтр, принцип работы которого не столь очевиден для каждого. Из всего кода вам необходимо знать, что r — это приблизительная амплитуда шума, а q следует подбирать самостоятельно.
Хотелось бы понять, что такое амплитуда шума (или шире — амплитуда случайного процесса), к тому же еще и приблизительная? И по каким принципам следует подбирать q?
Усредняющий фильтр может быть реализован по рекурсивной схеме, поэтому выводы о большой вычислительной сложности такого способа фильтрации не выглядят обоснованными.
Еще, но это скорее в качестве наблюдения. Выход magno канала напоминает текстуру, генерируемую по марковскому случайному полю, помеха явно пространственно корелирована. Как Вы считаете, могло бы улучшить результаты выделения объектов использование алгоритмов сегментации марковских полей?
Тут-то как раз проблема! Покачивание деревьев или колебания яркости точек изображения в силу атмосферной турбулентности приводят к ложным срабатываниям по движению, что плохо для охранных систем, или как в Вашем примере, для турели. Сейчас много работают над тем, чтобы разделить слабые колебания вызванные фоновым движением, от движения реальных объектов. Что Вы планируете делать, чтобы минимизировать количество ложных срабатываний? Увеличение порога, здесь, думается, не панацея, так как в этом случае увеличивается вероятность пропуска цели. Фильтровать объекты по размеру — тоже не всегда вариант. Все это как раз можно видеть на Вашем видеопримере. На первой его части система хорошо срабатывает даже по малоразмерным и медленно перемещающимся объектам, в то время как на второй половине, довольно крупные и достаточно подвижные объекты (люди на заднем плане) не обнаруживаются. Автомобиль наоборот при приближении начинает выделяться как несколько объектов, что тоже обычно нежелательно. Связано ли это как-то с настройками алгоритма? Т.е. две части сюжета обрабатывались с одними настройками или разными?
Спасибо за пост! Не знал, что bioinspired можно использовать для выделения движущихся объектов (честно сказать, руки не дошли, чтобы разобраться с этим модулем). Хотелось бы, однако, увидеть больше примеров. Например, что будет при наличии в кадре слабого движения — покачивания деревьев, атмосферной турбулентности. Было бы неплохо увидеть сравнение качества работы этого подхода с другими классическими подходами: на основе оценки фона, ViBe, оптического потока. Каковы требования алгоритма к качеству исходного видеопотока? Как он реагирует на наличие артефактов сжатия?
Мне кажется, тут ошибка и в форме и в содержании.
Система образования, оставшаяся от СССР, была избыточна по отношению к новой «рыночной» экономике. Теперь образование, учитывая его традиционную инерцию, «подтянулось» к потребностям экономики, так что здесь курица, а что яйцо?
Так теперь, смотря на лица многих ведущих западных университетов, мы видим азиатские (китайские чаще всего) лица. Не ясно, причем здесь система разделения труда, когда трудолюбивые китайцы сосут сразу от двух маток, кто-то остается в США, кто-то востребован у себя в стране.
Наилучшая по какому критерию? Для каких моделей?
Тот же Ходрик-Прескотт использует определенный критерий оптимальности, который, как я могу предположить, все таки введен эвристически из предположения о наличии тренда и циклических составляющих. Эффективность этого подхода в сравнении с другими можно оценить только экспериментально.
В фильтре Калмана задаются динамическая (линейная) модель сигнала и модель процесса наблюдения (измерения) в терминах пространства состояний. Стохастическая составляющая обусловлена наличием формирующего шума и шума измерений.
Борьба с циклическими составляющими и выделение тренда в каких-либо процессах — это, конечно, не та задача, для которой разрабатывался фильтр Калмана. Шумом обычно называют быстропротекающие случайные процессы, чаще всего отличимые по частотным составляющим от полезного сигнала. Как мне показалось, обсуждаемая статья написана именно в контексте борьбы именно с такими шумами.
1) Медианный фильтр не даст эффект, если ширина импульса помехи превышает половину ширины окна фильтра.
2) Ранговые фильтры обычно требуют большого числа операций сравнения (для сортировки последовательности или поиска ранговых статистик), а в случае двумерной фильтрации дополнительно накладывается тот факт, что такие фильтры не являются сепарабельными. Поэтому утверждать, что медианный фильтр по вычислительным затратам лучше, чем другие сопоставимые по размеру окна фильтры я бы, пожалуй, не стал. Особенно, если речь идет о применении алгоритма фильтрации на сигнальном процессоре, адаптированном скорее на такие операции, как умножение с накоплением.
Вот именно такой вариант мне лично не попадался. Если я правильно понял, получается тот же усредняющий фильтр, но с коррекцией на возможность появления выбросов. Подобные эвристики, надо сказать, встречаются часто. Можно было бы, например, отбрасывать значения не по принципу минимума и максимума в окне, а сравнивать с фиксированным или адаптивным порогом (опять же как пример, выбрасывать из статистики значения у которых отклонения от матожидания превышают K оценочных значений СКО и т.п.). Можно просто усреднять с весами, обратно зависящими от прогнозируемого значения СКО (дисперсии). Или еще один пример. Если используется фильтра Калмана, можно анализировать отклонение в текущей точке от прогноза, и, если оно большое, не делать обновление, а использовать прогнозируемое значение на данном шаге. В принципе, при резких отклонениях какое-то время экстраполяция на основе прогноза может быть достаточно удовлетворительной, и при этом не требуется ранжировать элементы в каждом положении окна фильтрации.
Фильтр Калмана, в свою очередь, допускает нестационарность процессов.
Фильтр Калмана основывается на модели сигнала (линейной) и модели шума измерений. Существуют обобщения для и нелинейных моделей, например — UKF. Кроме того, фильтр Калмана при определенных вводных, для которых он и выводится, является оптимальным с точки зрения минимума среднекваратичной ошибки, что отвечает на вопрос его эффективности/неэффективности в этих условиях.
Ну или просто величина медленно меняется так, что на каком-либо отдельном интервале наблюдения ее значение можно принять в качестве константы.
Медианный фильтр предназначен для борьбы с импульсным шумом. Похоже, что Ваша реализация медианного фильтра станет бесполезной, если ширина импульсов будет больше одной единицы дискретизации.
Хотелось бы понять, что такое амплитуда шума (или шире — амплитуда случайного процесса), к тому же еще и приблизительная? И по каким принципам следует подбирать q?
Усредняющий фильтр может быть реализован по рекурсивной схеме, поэтому выводы о большой вычислительной сложности такого способа фильтрации не выглядят обоснованными.