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

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