Detail předmětu

Počítačové vidění (v angličtině)

FIT-POVaAk. rok: 2021/2022

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

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, C++ a dalších.

Způsob a kritéria hodnocení

Domácí úlohy, půlsemestrální test, individuální projekt.

Osnovy výuky

  1. Introduction, motivation and applications/Úvod, základy, motivace a aplikace (Zemčík 24.9.)
  2. Basic principles of machine learning with teacher - AdaBoost/Základní principy klasifikace s učitelem - AdaBoost (Zemčík 1.10.)
  3. Hough Transform, RHT, RANSAC, Time Sequence Processing/Houghova transformace, RHT, RANSAC, zpracování časových sekvencí (Hradiš, 8.10.)
  4. Object Detection (Juránek, 15.10.)
  5. Clustering, statistical methods/Shlukování, statistické metody (Španěl 22.10.)
  6. Segmentation, colour analysis, histogram analysis/Segmentace, analýza barev, analýza histogramu (Španěl 29.10.)
  7. Analysis and Feature Extraction from Images/Analýza a extrakce příznaků z textur (Čadík 5.11.)
  8. Image Registration/Registrace obrazu (Čadík, 12.11.)
  9. Test, Invariant Image Regions/Invariantní oblasti obrazu (Beran, 19.11.)
  10. Convolutional Neural Networks and Automatic Image Tagging/Konvoluční neuronové sítě a tagování obrazu (Hradiš, 26.11.)
  11. 3D Computer Vision - Stereo/3D počítačové vidění - stereo (3.12. Šolony + guest/host Richter FEKT)
  12. D Computer Vision - SLAM/3D počítačové vidění - SLAM (10.12. Šolony)
  13. Acceleration of Processing in Computer Vision/Akcelerace výpočtů v počítačovém vidění (Zemčík, 17.12.)

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.

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

Bass, M.: Handbook of Optics, McGraw-Hill, New York, USA, 1995, ISBN 0-07-047740-X
Forsyth, D.A., Ponce, J.: Computer Vision: A Modern Approach, Prentical Hall 2011, ISBN: 978-0136085928
Forsyth, D.A., Ponce, J.: Computer Vision: A Modern Approach, Prentical Hall 2011, ISBN: 978-0136085928
Hlaváč, V., Šonka, M.: Počítačové vidění, GRADA 1992, ISBN 80-85424-67-3
Hlaváč, V., Šonka, M.: Počítačové vidění, Grada, 1993, ISBN 80-85424-67-3
IEEE Multimedia, IEEE, USA - série časopisů - různé články
Šonka, M., Hlaváč, V., Boyle, R.: Image processing, Analysis, and Machine Vision, THOMSON 2013, ISBN-13: 978-9386858146
Šonka, M., Hlaváč, V., Boyle, R.: Image processing, Analysis, and Machine Vision, THOMSON 2013, ISBN: 978-9386858146

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

  • Program MITAI magisterský navazující

    specializace NADE , 0 ročník, zimní semestr, volitelný
    specializace NBIO , 0 ročník, zimní semestr, volitelný
    specializace NCPS , 0 ročník, zimní semestr, povinný
    specializace NEMB , 0 ročník, zimní semestr, volitelný
    specializace NGRI , 0 ročník, zimní semestr, volitelný
    specializace NHPC , 0 ročník, zimní semestr, volitelný
    specializace NIDE , 0 ročník, zimní semestr, volitelný
    specializace NISD , 0 ročník, zimní semestr, volitelný
    specializace NMAL , 0 ročník, zimní semestr, volitelný
    specializace NMAT , 0 ročník, zimní semestr, volitelný
    specializace NNET , 0 ročník, zimní semestr, volitelný
    specializace NSEC , 0 ročník, zimní semestr, volitelný
    specializace NSEN , 0 ročník, zimní semestr, volitelný
    specializace NSPE , 0 ročník, zimní semestr, volitelný
    specializace NVER , 0 ročník, zimní semestr, volitelný
    specializace NVIZ , 0 ročník, zimní semestr, povinný

  • Program IT-MGR-1H magisterský navazující

    obor MGH , 0 ročník, zimní semestr, doporučený kurs

  • Program IT-MGR-2 magisterský navazující

    obor MGMe , 0 ročník, zimní semestr, povinně volitelný

  • Program MITAI magisterský navazující

    specializace NISY do 2020/21 , 0 ročník, zimní semestr, volitelný
    specializace NISY , 0 ročník, zimní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

  1. Úvod, základy, motivace a aplikace (Zemčík 24.9. slides, slajdy, highlights)
  2. Základní principy klasifikace s učitelem - AdaBoost (Zemčík 1.10. slajdy-cz, slides-en)
  3. Houghova transformace, RHT, RANSAC (Hradiš, 8.10. slajdy1, slajdy2, slajdy2-en)
  4. Detekce objektů v obraze a jejic sledování (Juránek, 15.10. slajdy-en)
  5. Shlukování, statistické metody (Španěl 22.10. slajdy)
  6. Segmentace, analýza barev, analýza histogramu (Španěl 29.10. slajdy, supplementary)
  7. Analýza a extrakce příznaků z textur (Čadík 5.11. slajdy)
  8. Registrace obrazu (Čadík, 12.11., slajdy)
  9. Test, Invariantní oblasti obrazu (Beran, 19.11. slajdy)
  10. Konvoluční neuronové sítě pro zpracování obrazu(Hradiš, 26.11. slajdy)
  11. 3D počítačové vidění - stereo (3.12. Šolony + guest/host Richter FEKT slajdy)
  12. 3D počítačové vidění - SLAM (10.12. Šolony, slajdy)
  13. Akcelerace výpočtů v počítačovém vidění (Zemčík, 17.12.)

Projekt

26 hod., povinná

Vyučující / Lektor

Osnova


Samostatná projektová práce v předmětu je následující:
1. Domácí úlohy (4-5 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 projektům v IS).

Pravidla pro řešení projektů:

Projekty mohou řešit jednotlivci nebo skupiny nejvýše o 4 osobách. V případě vypracování projektu skupinou je třeba při odevzdání projektu přesně popsat role řešitelů v projektu. Projekt se typicky hodnotí stejně pro členy skupiny, ale je vyhrazena i možnost individuální hodnocení uvnitř skupiny odlišit. Je třeba odevzdat zdrojové texty, návod pro překlad a spuštění, zprávu v rozsahu cca 3 stran A4 a provést demonstraci. Programovací jazyk Je C/C++, Matlab, pokud je specifikováno v zadání nebo po dohodě s učitelem případně jiný. Individuální vlastní zadání jsou vítána. V případě, že o individuální zadání máte zájem, přihlaste se na variantu "Vlastní zadání" a pošlete e-mail s návrhem zadání - další postup bude individuální.

Odevzdání projektů:

Odevzdání projektu bude probíhat elektronicky a bude doplněno povinnou demonstrací výsledků v prvním týdnu v lednu. Na odevzdání v jiném termínu hodinu nebude brán zřetel a povede k získání 0b (ve výjimečných případech se lze domluvit individuálně). Pokud pracujete ve skupině, je třeba se dostavit v plném počtu řešitelů.

Demonstrace je povinná a je možná až po elektronickém odevzdání. Prezentaci si připravte na max. 10 minut (na kvalitu demonstrace bude kladen velký důraz).

Do IS se odevzdává jeden *.zip se zdrojovými soubory, návodem pro překlad a spuštění, prezentací a dokumentací (při odevzdání binárních souborů ztráta 1/2 získaných bodů), max. velikost 2MB.

Při odevzdání podobných řešení bude může být počet bodů krácen nebo rozdělen mezi podobná řešení. Vyučující může individuálně určit rozdělení bodů.

Obecná pravidla vypracování projektů a úloh:

Studenti ve své práci musí pracovat samostatně a tvůrčím způsobem. Za porušení této zásady se považuje zejména reverzní inženýrství (disasebmling, dekompilace a podobné postupy), kopírování příkladů řešení, hotových řešení nebo obdobných podkladů, které jsou zveřejněny nebo jsou studentům jinak dostupné (jedná se o kopírování celých řešení nebo jejich tak velkých částí, že jejich okopírování vede k funkčně shodnému nebo velmi obdobnému řešení zadání), společná práce na zadání ve skupinách tak, že její výsledky jsou potom odevzdávány jako řešení jednotlivce (jednotlivců), pokud to není v zadání přímo požadováno nebo povoleno (diskuse ve skupině a/nebo společné řešení dílčích částí je povoleno).

Studenti se musí zdržet jednání, které je v rozporu s dobrými mravy a které by mohlo vést k obcházení skutečného způsobu "řešení" zadání v duchu těchto zadání jimi samotnými nebo jinými studenty.

Pokud student(i) poruší výše uvedená pravidla, může mu hodnocení projektu být sníženo až na 0 bodů.