Detail předmětu

Počítačové vidění

FIT-POVAk. rok: 2014/2015

Seznámení se principy a metodami počítačového vidění, metody a způsoby snímání scény, metody předzpracování (statistické zpracování) obrazu, metody filtrace, vyhledávání vzorů ("pattern recognition"), integrální transformace - Fourierova transformace, morfologie obrazu, klasifikátory, automatické třídění, 3D metody počítačového vidění, otevřené problémy počítačového vidění.

Jazyk výuky

čeština

Počet kreditů

5

Výsledky učení předmětu

Studenti se seznámí s principy a metodami počítačového vidění. Naučí se detailně vybraným metodám a způsobům snímání scény. Seznámí se i s možnostmi zpracování nasnímaných dat a reprezentací výsledků. Naučí se aplikovat získané znalosti prakticky formou projektů.

Studenti se zdokonalí v týmové práci, matematice a použití jazyka C.

Prerekvizity

Nejsou žádné prerekvizity.

Způsob a kritéria hodnocení

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

Osnovy výuky

    Osnova přednášek:
    1. Úvod, základy, shlukování, statistické metody(Španěl 27.9. slajdy)
    2. Segmentace, analýza barev, analýza histogramu (Španěl 4.10.  slajdy)
    3. Motivace a aplikace, základní principy vidění a klasifikace s učitelem - AdaBoost  (Zemčík 11.10. slajdy)
    4. Analýza a extrakce příznaků z textur (Čadík 18.10. slajdy)
    5. Detekce objektů I - AdaBoost, WaldBoost, Trees (Juránek, 25.10.  slajdy, slajdy2)
    6. Space-time features, SVM, HMM, klasifikace pohybů a trajektorií (1.11. Řezníček, Mlích, slajdy1, slajdy2)
    7. Detekce objektů II - Hough transform, RHT, RANSAC (Juránek, 8.11.  slajdy1, slajdy2)
    8. Invariantní oblasti obrazu (Beran, 15.11. slajdy)
    9. Test, Automatické tagování obrazů (Kolář Martin, 22.11. slajdy )
    10. Registrace obrazu (Čadík, 29.11.)
    11. 3D počítačové vidění a Mikuláš (TBD/Zemčík, 6.12.)
    12. Vidění člověka (Seeman 13.12.)
    13. Akcelerace zpracování obrazu, závěr (Zemčík, 20.12.)
    POZOR!!! Témata přednášek i data jsou orientační a budou v průběhu semestru aktualizována.

    Osnova ostatní - projekty, práce:
    Samostatná projektová práce v předmětu je následující:
    1. Domácí úlohy (5 běhů) na začátku semestru s tím, že úlohy jsou striktně individuální a platí pro ně "Pravidla pro vypracování projektů a úloh" (viz níže a viz též informaci k úlohám v IS)

    2. Individuálně zadávané projekty (viz všechna pravidla níže a informace k

    Učební cíle

    Seznámit se s principy a metodami počítačového vidění. Naučit se detailně vybraným metodám a způsobům snímání scény. Seznámit se s možnostmi zpracování nasnímaných dat a reprezentací výsledků. Naučit se aplikovat získané znalosti prakticky formou projektů.

    Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

    Domácí úlohy, půlsemestrální test, individuální projekt.

    Základní literatura

    Horn, B.K.P.: Robot Vision, McGraw-Hill, 1988, ISBN 0-07-030349-5 Hlaváč, V., Šonka, M.: Počítačové vidění, Grada, 1993, ISBN 80-85424-67-3  Russ, J.C.: The IMAGE PROCESSING Handbook, CRC Press, 1995, ISBN 0-8493-2532-3 Bass, M.: Handbook of Optics, McGraw-Hill, New York, USA, 1995, ISBN 0-07-047740-X

    Doporučená literatura

    Žára, J., kol.: Počítačová grafika-principy a algoritmy, Grada, 1992, ISBN 80-85623-00-5 Forsyth, D. A., Ponce, J.: Computer Vision A Modern Approach, Prentice Hall, New Jersey, USA, 2003, ISBN 0-13-085198-1

    Zařazení předmětu ve studijních plánech

    • Program IT-MGR-2 magisterský navazující

      obor MBI , 0 ročník, zimní semestr, volitelný
      obor MBS , 0 ročník, zimní semestr, volitelný
      obor MIN , 0 ročník, zimní semestr, povinně volitelný
      obor MIS , 2 ročník, zimní semestr, volitelný
      obor MMI , 0 ročník, zimní semestr, volitelný
      obor MMM , 0 ročník, zimní semestr, volitelný
      obor MPV , 2 ročník, zimní semestr, povinně volitelný
      obor MSK , 0 ročník, zimní semestr, volitelný
      obor MGM , 0 ročník, zimní semestr, povinně volitelný