Detail předmětu

Počítačové vidění (v angličtině)

FIT-POVaAk. rok: 2018/2019

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.

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.

Doporučená nebo povinná 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

  • 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

Způsob a kritéria hodnocení

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

Jazyk výuky

angličtina

Osnovy výuky

    Osnova přednášek:
    1. Úvod, základy, motivace a aplikace/Introduction, motivation and applications (Zemčík 18.9. slajdy, slajdy, highlights)
    2. 28.9. přednáška není/no lecture :-(
    3. Základní principy klasifikace s učitelem - AdaBoost/Basic principles of machine learning with teacher - AdaBoost  (Zemčík 5.10. slajdy-cz, slajdy-en)
    4. Shlukování, statistické metody/Clustering, statistical methods (Španěl 12.10. slajdy)
    5. Segmentace, analýza barev, analýza histogramu/Segmentation, colour analysis, histogram analysis (Španěl 19.10. slajdy1, slajdy2, slajdy3)
    6. Analýza a extrakce příznaků z textur/Analysis and Feature Extraction from Images (Čadík 26.10. slajdy)
    7. Hough transform, RHT, RANSAC, zpracování časových sekvencí/Time Sequence Processing (Hradiš, 2.11. slajdy1slajdy2, slajdy2-en)
    8. Segmentace,  analýza barev/Segmentation, Colour Analysis, ... finishing (Španěl), Object Detection - Trees (Juránek, 9.11. slajdy1, slajdy2)
    9. Test, Invariantní Oblasi Obrazu/Invariant Image Regions (Beran, 16.11. slajdy)
    10. Konvoluční neuronové sítě a Tagování obrazu/Convolutional Neural Networks and Automatic Image Tagging (Hra

Cíl

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.

Zařazení předmětu ve studijních plánech

  • Program IT-MGR-2 magisterský navazující

    obor MBS , libovolný ročník, zimní semestr, 5 kreditů, volitelný
    obor MBI , libovolný ročník, zimní semestr, 5 kreditů, volitelný
    obor MIN , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný
    obor MMM , libovolný ročník, zimní semestr, 5 kreditů, volitelný
    obor MGM , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný

  • Program IT-MGR-2 magisterský navazující

    obor MGMe , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný

  • Program IT-MGR-2 magisterský navazující

    obor MPV , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný
    obor MSK , libovolný ročník, zimní semestr, 5 kreditů, volitelný

  • Program IT-MGR-1H magisterský navazující

    obor MGH , libovolný ročník, zimní semestr, 5 kreditů, doporučený

  • Program IT-MGR-2 magisterský navazující

    obor MIS , 2. ročník, zimní semestr, 5 kreditů, volitelný