Detail předmětu
Počítačové vidění (v angličtině)
FIT-POVaAk. rok: 2024/2025
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
Počet kreditů
Garant předmětu
Zajišťuje ústav
Nabízen zahraničním studentům
Pravidla hodnocení a ukončení předmětu
Učební cíle
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.
Základní literatura
Doporučená literatura
IEEE Multimedia, IEEE, USA - série časopisů - různé články (EN)
Šonka, M., Hlaváč, V., Boyle, R.: Image processing, Analysis, and Machine Vision, THOMSON 2013, ISBN-13: 978-9386858146 (EN)
Šonka, M., Hlaváč, V., Boyle, R.: Image processing, Analysis, and Machine Vision, THOMSON 2013, ISBN: 978-9386858146 (EN)
(EN)
Elearning
Zařazení předmětu ve studijních plánech
- Program IT-MGR-1H magisterský navazující
specializace MGH , 0 ročník, zimní semestr, doporučený kurs
- Program MIT-EN magisterský navazující 0 ročník, zimní semestr, volitelný
- Program MITAI magisterský navazující
specializace NGRI , 0 ročník, zimní semestr, volitelný
specializace NADE , 0 ročník, zimní semestr, volitelný
specializace NISD , 0 ročník, zimní semestr, volitelný
specializace NMAT , 0 ročník, zimní semestr, volitelný
specializace NSEC , 0 ročník, zimní semestr, volitelný
specializace NISY do 2020/21 , 0 ročník, zimní semestr, volitelný
specializace NNET , 0 ročník, zimní semestr, volitelný
specializace NMAL , 0 ročník, zimní semestr, volitelný
specializace NCPS , 0 ročník, zimní semestr, povinný
specializace NHPC , 0 ročník, zimní semestr, volitelný
specializace NVER , 0 ročník, zimní semestr, volitelný
specializace NIDE , 0 ročník, zimní semestr, volitelný
specializace NISY , 0 ročník, zimní semestr, volitelný
specializace NEMB do 2023/24 , 0 ročník, zimní semestr, volitelný
specializace NSPE , 0 ročník, zimní semestr, volitelný
specializace NEMB , 0 ročník, zimní semestr, volitelný
specializace NBIO , 0 ročník, zimní semestr, volitelný
specializace NSEN , 0 ročník, zimní semestr, volitelný
specializace NVIZ , 0 ročník, zimní semestr, povinný
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
- Introduction, motivation and applications/Úvod, základy, motivace a aplikace (Hradiš 20.9.)
- Statistical Pattern Recognition, Bayesian Clasifier and Mixture Models/Statistické rozpoznávání, Bayesovský klasifikátor a GMM (Španěl 27.9.)
- Scanning object detection, boosted classifiers, acceleration/Detekce objektů oknem, boostované klasifikátory, akcelerace (Zemčík 4.10.)
- Clustering and Image Segmentation / Shlukování a segmentace obrazu (Španěl 11.10. slajdy1, slajdy2, slajdy3)
- Object Detection - Trees, Random Forests, Yolo/Detekce objektů - Stromy, "Random Forests",Yolo (Juránek, 18.10. slajdy-en)
- Convolutional Neural Networks and Automatic Image Tagging/Konvoluční neuronové sítě a tagování obrazu (Hradiš, 25.10. slajdy)
- Hough Transform, RHT, RANSAC, Sequence Processing/Houghova transformace, RHT, RANSAC, zpracování sekvencí (Hradiš, 1.11. slajdy1, slajdy2, slajdy2-en)
- Invariant Image Regions/Invariantní oblasti obrazu (Beran, 8.11. slajdy)
- Analysis and Feature Extraction from Images/Analýza a extrakce příznaků z textur (Čadík 15.11. slajdy)
- Image Registration/Registrace obrazu (Čadík, 22.11. slajdy)
- 3D Computer Vision/3D počítačové vidění (29.11. Šolony)
- Stereovision, SLAM/Stereoviděni, SLAM (6.12. Šolony)
- Conclusions, Hardware Accelerated Algorithms/Conclusions, Hardware Accelerated Algorithms (Zemčík 13. 12.)
NOTE: The topics and dates are just FYI, not guaranteed, and will be continuously updated.
POZOR!!! Témata přednášek i data jsou orientační a budou v průběhu semestru aktualizována.
Projekt
Vyučující / Lektor
Osnova
Samostatná projektová práce v předmětu je následující:
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.
Elearning