Detail předmětu

Počítačové vidění (v angličtině)

FIT-POVaAk. rok: 2017/2018

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

angličtina

Počet kreditů

5

Garant předmětu

prof. Dr. Ing. Pavel Zemčík, dr. h. c.

Zajišťuje ústav

Ústav počítačové grafiky a multimédií (UPGM)

Nabízen zahraničním studentům

Všech fakult

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, motivace a aplikace. (Zemčík 27.9. slajdy, slajdy, highlights)
    2. Základní principy klasifikace s učitelem - AdaBoost  (Zemčík/Hradiš? 4.10. slajdy)
    3. Shlukování, statistické metody (Španěl 11.10. slajdy)
    4. Segmentace, analýza barev, analýza histogramu (Španěl 18.10. slajdy)
    5. Analýza a extrakce příznaků z textur (Čadík 25.10. slajdy)
    6. Hough transform, RHT, RANSAC, zpracování časových sekvencí (Hradiš, 1.11. slajdy1,  slajdy2)
    7. Invariantní oblasti obrazu (Beran, 8.11. slajdy)
    8. Detekce objektů - WaldBoost, Trees (Juránek, 15.11. slajdy1, slajdy2)
    9. Konvoluční neuronové sítě a automatické tagování obrazů (Michal Hradiš, 22.11. slajdy )
    10. Registrace obrazu (Čadík, 29.11., slajdy)
    11. 3D vidění (Polok, 6.12., slajdy)
    12. Akcelerace zpracování obrazu, závěr (Zemčík???, 13.12.)

    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

    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

    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

    Zařazení předmětu ve studijních plánech

    • Program IT-MGR-2 magisterský navazující

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

    • Program IT-MGR-1H magisterský navazující

      obor MGH , 0 ročník, zimní semestr, doporučený kurs

    • Program IT-MGR-2 magisterský navazující

      obor MPV , 0 ročník, zimní semestr, povinně volitelný