Předmět: Počítačové vidění

» Seznam fakult » FM » ITE
Název předmětu Počítačové vidění
Kód předmětu ITE/PVI
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 5
Vyučovací jazyk Čeština, Angličtina
Statut předmětu Povinný, Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Paleček Karel, Ing. Ph.D.
  • Chaloupka Josef, doc. Ing. Ph.D.
Obsah předmětu
Náplň přednášek a cvičení: 1. Úvod, aplikace, pořízení obrazu, model kamery, barevné prostory. 2. Detekce zájmových bodů a oblastí: Harrisův detektor, Laplaceův operátor (LoG), rozdíl Gaussiánů (DoG), maximálně stabilní extremální oblasti (MSER). 3. Deskriptory zájmových bodů a oblastí: SIFT, SURF, BRIEF a další. 4. Geometrické transformace a jejich odhad: Houghova transformace, RANSAC, LMedS. 5. Porovnávání, registrace a slepování obrazů a detekce objektů na základě lokálních korespondencí. 6. Optický tok a aplikace. 7. Analýza videa, sledování objektů, KLT algoritmus, metody CamShift a MeanShift. 8. Strojové učení pro počítačové vidění, konvoluce. 9. Moderní architektury konvolučních neuronových sítí, rozpoznávání objektů. 10. Detekce objektů pomocí konvolučních sítí: jedno- a dvou-fázové detektory. 11. Segmentace obrazu a objektů pomocí konvolučních sítí. 12. Transformery pro detekci a segmentaci objektů. 13. Úvod do 3D rekonstrukce obrazu. 14. Rezerva.

Studijní aktivity a metody výuky
Monologický výklad (přednáška, prezentace, vysvětlování)
  • Účast na výuce - 56 hodin za semestr
Výstupy z učení
Předmět seznámí s postupy analýzy obrazu počítačem. Student se nejprve dozví o získání obrazu, jeho digitalizaci, technických prostředcích a postupech zpracování dvojrozměrného obrazu.
Teoretické poznatky a praktické dovednosti z požadované oblasti
Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
Písemná zkouška

Podmínkou zápočtu je aktivní účast na cvičeních. Zkouška je písemná.
Doporučená literatura
  • DAVIES, E., R.. Computer and Machine Vision, Fourth Edition: Theory, Algorithms, Practicalities.. UK, 2012. ISBN 978-0123869081.
  • HLAVÁČ, Václav a Miloš SEDLÁČEK. Zpracování signálů a obrazů. 2. přeprac. vyd.. ČR, 2007. ISBN 978-80-01-03110-0.
  • CHALOUPKA, J. Přednášky, cvičení - PVI.
  • Raschka, S., Liu, Y., Mirjalili, V., Dzhulgakov, D. Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. In Packt Publishing, 2022. ISBN 978-1801819312.
  • ŠONKA, Milan, Václav HLAVÁČ a Roger BOYLE. Image processing, analysis, and machine vision. 3rd ed.. Toronto: Thomson, 2008. ISBN 978-0-495-08252-1.
  • Ying Liu. Deep Learning Based Image Processing: Recent Advances and Future Trends. In Eliva Press, 2022. ISBN 978-9994982554.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr