Geometria computazionale: Esplorazione di intuizioni geometriche per la visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è la geometria computazionale
La geometria computazionale è una branca dell'informatica dedicata allo studio di algoritmi che possono essere espressi in termini di geometria. Alcuni problemi puramente geometrici derivano dallo studio degli algoritmi geometrici computazionali e anche tali problemi sono considerati parte della geometria computazionale. Sebbene la moderna geometria computazionale sia uno sviluppo recente, è uno dei campi più antichi dell'informatica con una storia che risale all'antichità.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Geometria computazionale
Capitolo 2: Triangolazione di Delaunay
Capitolo 3: Scafo convesso
Capitolo 4: Diagramma di Voronoi
Capitolo 5: Geometria discreta
Capitolo 6: Triangolazione poligonale
Capitolo 7: Albero di copertura minimo euclideo
Capitolo 8: Poligono semplice
Capitolo 9: Triangolazione di punti
Capitolo 10: Triangolazione (geometria)
(II) Risposte le principali domande del pubblico sulla geometria computazionale.
(III) Esempi reali dell'utilizzo della geometria computazionale in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di geometria computazionale.
Leggi altro di Fouad Sabry
Tecnologie Emergenti In Finanza [Italian]
Correlato a Geometria computazionale
Titoli di questa serie (100)
Istogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMetodo di impostazione del livello: Avanzamento della visione artificiale, esplorazione del metodo dell'impostazione dei livelli Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMinimi quadrati: Tecniche di ottimizzazione per la visione artificiale: metodi dei minimi quadrati Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Tagli del grafico di visione artificiale: Esplorazione dei tagli grafici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGenerazione di maglie: Progressi e applicazioni nella generazione di mesh per la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione geometrica: Esplorazione della modellazione geometrica nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPrimitivo geometrico: Esplorazione dei fondamenti e delle applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRimozione delle linee nascoste: Svelare l'invisibile: i segreti della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniDisegno tecnico: Sbloccare la percezione visiva nel disegno tecnico Valutazione: 0 su 5 stelle0 valutazioniAlgoritmo di disegno di linee: Padroneggiare le tecniche per il rendering di immagini di precisione Valutazione: 0 su 5 stelle0 valutazioniGrafica vettoriale: Padroneggiare la grafica vettoriale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione dati: Sbloccare l'efficienza nella visione artificiale con la compressione dei dati Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica computerizzata: Esplorando l'intersezione tra computer grafica e visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle collisioni: Comprendere le intersezioni visive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniApprendimento delle caratteristiche geometriche: Sbloccare le intuizioni visive attraverso l'apprendimento delle caratteristiche geometriche Valutazione: 0 su 5 stelle0 valutazioniMetodo di impostazione del livello: Avanzamento della visione artificiale, esplorazione del metodo dell'impostazione dei livelli Valutazione: 0 su 5 stelle0 valutazioniGrafica raster: Comprendere i fondamenti della grafica raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica raster: Trasformare le realtà visive: padroneggiare gli editor grafici raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniHashing geometrico: Algoritmi efficienti per il riconoscimento e la corrispondenza delle immagini Valutazione: 0 su 5 stelle0 valutazioniLa teoria del principio dell'indeterminazione Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica vettoriale: Potenziare la creazione visiva con algoritmi avanzati Valutazione: 0 su 5 stelle0 valutazioniDisegno tecnico: Sbloccare la visione artificiale attraverso il disegno tecnico Valutazione: 0 su 5 stelle0 valutazioniSuperficie procedurale: Esplorazione della generazione e dell'analisi delle texture nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica poligonale: Esplorando l'intersezione tra la computer grafica poligonale e la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFisica: cinematica 1 con Scratch: Esperimenti con Scratch sul moto con uso del calcolo numerico Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto attivo: Sbloccare la potenza dei modelli di aspetto attivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniClassificazione delle immagini contestuali: Comprendere i dati visivi per una classificazione efficace Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Geometria computazionale
0 valutazioni0 recensioni
Anteprima del libro
Geometria computazionale - Fouad Sabry
Capitolo 1: Geometria computazionale
La geometria computazionale è un'area dell'informatica dedicata allo studio di algoritmi che possono essere espressi in termini geometrici. Questi problemi sono anche considerati parte della geometria computazionale. Nonostante il fatto che la moderna geometria computazionale sia un fenomeno relativamente recente, è uno degli argomenti più antichi dell'informatica, con una storia che risale all'antichità.
Al centro della geometria computazionale c'è la complessità computazionale, se i metodi vengono applicati a set di dati molto grandi contenenti decine o centinaia di milioni di punti, questo ha un enorme valore pratico.
In questi casi, la differenza tra O(n2) e O(n log n) può essere la differenza tra giorni e secondi di calcolo.
I progressi nella computer grafica e nella progettazione e produzione assistita da computer (CAD/CAM) hanno fornito la motivazione principale per la formazione della geometria computazionale come materia, tuttavia molti problemi di geometria computazionale sono di natura classica e possono avere origine dalla visualizzazione matematica.
La robotica (pianificazione del movimento e problemi di visibilità), i sistemi informativi geografici (GIS) (localizzazione geometrica e ricerca, pianificazione del percorso), la progettazione di circuiti integrati (progettazione e verifica della geometria IC), l'ingegneria assistita da computer (CAE) (generazione di mesh) e la visione artificiale sono altre importanti applicazioni della geometria computazionale (ricostruzione 3D).
I rami principali della geometria computazionale includono:
La geometria computazionale combinatoria, spesso nota come geometria algoritmica, si occupa di oggetti geometrici discreti. Il termine geometria computazionale
è stato usato per la prima volta in questo senso nel 1975, secondo un libro fondamentale sull'argomento di Preparata e Shamos.
La geometria computazionale numerica, nota anche come geometria della macchina, progettazione geometrica assistita da computer (CAGD) o modellazione geometrica, riguarda in gran parte la rappresentazione di oggetti del mondo reale nei sistemi CAD/CAM. Questo ramo può essere visto come una continuazione della geometria descrittiva ed è spesso classificato come un sottocampo della computer grafica o CAD. Dal 1971, il termine geometria computazionale
è stato usato in questo senso.)
L'obiettivo primario della ricerca sulla geometria computazionale combinatoria è quello di sviluppare algoritmi efficienti e strutture dati per risolvere problemi espressi in termini di oggetti geometrici fondamentali, come punti, segmenti di linea, poligoni e poliedri.
Fino all'avvento dei computer, molti di questi problemi non erano affatto visti come tali, in quanto sembrano essere così semplici. Si consideri come esempio il problema della coppia più vicina:
Trova i due punti nel piano con la distanza più breve tra loro, dati n punti nel piano.
Si potrebbero determinare le distanze tra ogni coppia di punti, quale numero ci sono n(n-1)/2, quindi scegliere la coppia con la separazione più breve.
Questo algoritmo di forza bruta richiede O(n2) tempo; cioè
Il suo tempo di esecuzione è proporzionale al numero di punti al quadrato.
Un risultato fondamentale nella geometria computazionale è stato lo sviluppo di un algoritmo che richiede O (n log n).
Algoritmi randomizzati con un tempo di esecuzione previsto di O(n), inoltre scoperti.
I problemi fondamentali della geometria computazionale possono essere classificati in modo diverso in base a diversi criteri. Si possono distinguere le seguenti grandi categorie:.
In questa categoria di problemi, viene fornito un input e l'output appropriato deve essere costruito o determinato. Alcuni problemi fondamentali con questo tipo includono:
Scafo convesso: dato un insieme di punti, trova il più piccolo poliedro/poligono convesso che li contiene tutti.
Intersezione di segmenti di linea: determina le intersezioni tra un determinato insieme di segmenti di linea.
Triangolazione di Delaunay
Specificato un insieme di punti, partiziona lo spazio in base a quali punti sono più vicini ai punti dati usando il diagramma di Voronoi.
Programmazione lineare
Data una raccolta di punti, identifica la coppia che ha la distanza più breve tra loro.
Coppia di punti più distanti
Trova, dato un insieme di punti, il cerchio più grande il cui centro giace all'interno del loro guscio convesso e non racchiude nessuno di essi.
Collegare due punti in uno spazio euclideo (con ostruzioni poliedriche) utilizzando il percorso più breve.
Dato un poligono, triangolare il suo interno dividendolo in triangoli.
Generazione di mesh
Operazioni booleane applicate ai poligoni
La complessità computazionale di questa classe di problemi viene valutata in base al tempo e allo spazio (memoria del computer) necessari per risolvere una specifica istanza del problema.
Nei problemi di query geometrica, noti anche come problemi di ricerca geometrica, l'input è costituito da due componenti: il componente dello spazio di ricerca e il componente di query variabile. In genere, lo spazio di ricerca deve essere pre-elaborato in modo che molte query possano essere gestite in modo efficiente.
Un certo numero di questioni fondamentali di indagine geometrica sono:
Pre-elaborare un set di punti per contare rapidamente il numero di punti all'interno di un'area di query.
Produrre una struttura di dati che identifichi in modo efficiente la cella in cui è posizionato un punto di query, dato un partizionamento dello spazio basato su celle.
Vicino più prossimo: pre-elabora un set di punti per determinare rapidamente il punto più vicino a un punto di query.
Ray tracing: dato un insieme di elementi nello spazio, genera una struttura di dati che identifica in modo efficiente il primo oggetto con cui si interseca un raggio di query.
Se lo spazio di ricerca è fisso, la complessità computazionale di questa classe di problemi viene spesso valutata utilizzando:
La quantità di tempo e spazio di archiviazione necessari per costruire la struttura di dati in cui eseguire la ricerca.
tempo (e occasionalmente spazio extra) per rispondere alle domande.
Fare riferimento a Problemi dinamici
quando lo spazio di ricerca può fluttuare.
Un'altra classe significativa è quella dei problemi dinamici, per i quali l'obiettivo è quello di creare una tecnica efficace per localizzare ripetutamente una soluzione a seguito di ogni aggiornamento dei dati