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. Zpracování obrazových signálů, pořízení obrazu, radiometrie, optická část kamery, snímače světelné energie-CCD a CMOS čidla, barevné prostory, geometrické transformace obrazu. 2. Transformace souřadnic bodů, aproximace jasové funkce, transformace hodnot jasu-jasové korekce, transformace jasové stupnice, diskrétní lineární integrální transformace, využití LDT při zpracování obrazu. 3. Filtrace šumu, hledání hran v obraze - konvoluční masky aproximující derivaci obrazové funkce. 4. Segmentace obrazu, prahování, automatické nalezení prahu, využití hran, využití grafů. 5. Segmentace obrazu 2, pokročilé metody využívající hlubší analýzu obrazu, barvení oblastí, obrazové momenty, jednoduché příznaky pro rozpoznávání, oblast, kompaktnost, řetězové kódy. 6. Nalezení parametricky popsatelných objektů, Houghova transformace, metoda RANSAC. 7. Detekování a sledování objektů, využití jednoduchých operátorů, Laplaceův, Harrisův rohový detektor, Shi-Tomasi rohový detektor, další rychlé algoritmy pro nalezení rohů. 8. Příznaky pro popis nalezených objektů, SIFT (Scale-Invariant Feature Transform), SURF (Speeded-Up Robust Features), BRIEF (Binary Robust Independent Elementary Features). 9. Porovnávání obrazů (hledání shody) na základě využití obrazových příznaků. 10. Úvod do 3D rekonstrukce obrazu. 11. Analýza videa, sledování objektů, CamShift algoritmus, MeanShift algoritmus, KLT algoritmus, využití optického toku, separace pozadí. 12. Automatická segmentace videa, algoritmy pro segmentaci. 13. Jednoduché klasifikátory pro rozpoznávání obrazu, PCA (Principal Component Analysis), využití SVM (Support Vector Machines), AdaBoost algoritmus, Viola-Jones detektor. 14. Využití umělých neuronových sítí, teorie a praktické využití. Konvoluční neuronové sítě (CNN) a rekurentní neuronové sítě pro rozpoznávání obrazu.

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
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Automatické řízení a inženýrská informatika (2016) Kategorie: Speciální a interdisciplinární obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Mechatronika (2016) Kategorie: Speciální a interdisciplinární obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Informační technologie (2013) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní