Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

Assignment 2 - Clustering and Segmentation

IMAGES. All images may be found in the TEST IMAGES folder https://www.dropbox.com/sh/

1.  Independent Reading.

(i) Normalized Cuts for Segmentation: https://ieeexplore.ieee.org/document/868688 (ii) Active Contours: https://link.springer.com/article/10.1007/BF00133570

2.  (5 pts) In this problem, you will be reconstructing images using principal components.  Vectorize each image in the “pca face images” dataset (https://www.dropbox.com/s/0g15mi9czdbcqfy/  face  images).  Compute the mean of the images and subtract out the mean. Let us call each zero mean vectorized image to be X. For N images, you have X1, X2 ,..., XN . Compute lXXT] = R.

(a)  Perform a principal components analysis of R = UΣUT .

(b)  Analyze the eigenvalues in Σ and decide which eigenvalues to retain and which can be set to zero. You may want to plot them and set a threshold.

(c)  Reconstruct an approximation of each X after removing some of the small eigenvalues.  (Display only a couple of them.)

(d)  Compute the error between the reconstructed X and original image (you will need to add the mean back).

(e)  Analyze by choosing different numbers of eigenvalues to be zeroed out.

(f)  Cluster the data using the PCA coefficients.   Do the images belonging to an individual cluster together?

3.  (5 pts) On the peppers  color.tif image, implement and apply a basic version of normalized cuts. Visually analyze the results and comment on the accuracy of the results.  Focus on implementing the basic mathematical steps properly.

OR

4.  (5 pts) On the peppers  color.tif image, implement the Expectation Maximization algorithm for mixture of Gaussian model based on color features for segmenting the image.  Again, visually analyze the results and comment on the accuracy of the results.  Focus on implementing the basic mathematical steps properly.

5.  (2 pts) Run Deeplabv3 on lena color  256.tif and compare the results with the results of the seg-     mentation algorithm in Question 3 or Question 4 (depending on your choice) for lena color  256.tif.   The deeplabv3 starter code can be found in https://colab.research.google.com/github/   tugstugi/dl-colab-notebooks/blob/master/notebooks/TorchvisionDeepLabV3 . ipynb. Make the necessary changes related to uploading of the imagefile and add the comparative anal-ysis in this colab notebook itself. Give your thoughts on the two segmentation maps. Make sure to rename the notebook to Problem 4.

Submission Protocol. You must submit codes written in Python for every problem. Unless otherwise specified, the code for each problem must be a Jupyter notebook i.e.  .ipynb file. You can use Colab if you want. You should add comments to your codes to make them reader friendly.  All codes must be uploaded in separate folders named after the problem number. Keep all the images necessary to run a code in the same folder as the code while you are submitting.  You must provide explanations in your notebooks related to each problem (if required). The zip file to be uploaded must have your name.