Detail předmětu

Rozpoznávání

FEKT-MROZAk. rok: 2019/2020

Předmět Rozpoznávání se věnuje metodám segmentace objektů, detekce a popisu významných bodů a oblastí, klasifikaci a kategorizaci, učení v rozpoznávání a vícesnímkové rekonstrukci objektů.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

Výsledky učení předmětu

Absolvent předmětu je schopen komplexně analyzovat úlohu rozpoznávání v počítačovém vidění, navrhnout a implementovat řešení a provést smysluplnou validaci výsledku.

Prerekvizity

V předmětu Rozpoznávání jsou požadovány znalosti na úrovni bakalářského studia a znalosti z předmětu MPOV / LPOV.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a skupinový projekt. Předmět využívá e-learning (Midas).

Způsob a kritéria hodnocení

V předmětu Rozpoznávání je hodnocen skupinový projekt (40 bodů) a závěrečná písemná a ústní zkouška (60 bodů). Pro úspěšné ukončení předmětu je nutné získat alespoň poloviční počet bodů ve všech částech výuky.

Zkouška z předmětu bude probíhat prezenčně.

Osnovy výuky

1. Aplikace počítačového vidění.
2. Segmentace shlukováním.
3. Lokální příznaky a korespondence.
4. Detektory oblastí.
5. Deskriptory oblastí.
6. Globální a složené deskriptory.
7. Porozumění obsahu obrazu.
8. Klasifikace minimalizací vzdálenosti a rizika.
9. Dynamické obrazy.
10. Multisnímková rekonstrukce objektů.
11. Speciální aplikace počítačového vidění.
12. Účení v rozpoznávání.
13. Vybrané partie z rozpoznávání.

Učební cíle

Cílem předmětu je seznámit studenty s pojmem rozpoznávání objektů na základě lokálních invariantních deskriptorů a pomocí metod učení v rozpoznávání. Ve skupinovém projektu studenti navrhují, implementují a ověří úlohu rozpoznávání objektu v počítačovém vidění.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Doporučená literatura

DUDA, R.O., HART, P.E., STORK, D.G.: Pattern Classification. 2nd edition. Wiley, 2000. 680 pages. ISBN 978-0471056690. (EN)
HARTLEY, R., ZISSERMAN, A.: Multiple View Geometry in Computer Vision. 2nd edition. Cambridge University Press, 2004. 670 pages. ISBN 978-0521540513. (EN)
SZELISKI, R.: Computer Vision: Algorithms and Applications. Springer, 2011. 812 pages. ISBN 978-1848829343. (EN)

Zařazení předmětu ve studijních plánech

  • Program EEKR-M1 magisterský navazující

    obor M1-KAM , 1. ročník, letní semestr, volitelný oborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1. ročník, letní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Laboratorní cvičení

26 hod., povinná

Vyučující / Lektor