ZČU
Metody Počítačového Vidění (MPV)
Odkazy
zpět na seznam předmětůObsah stránky
AnotacePřehled látky
Požadavky
Literatura
Soubory ke stažení
| Kredity: | 6 ( Přednášky: 3, Cvičení: 2) |
|---|---|
| Semestr: | ZS |
| Zakončení: | zp; zk |
| Garant: | Železný Miloš |
| Přednášející: | Železný Miloš Krňoul Zdeněk Hrúz Marek |
| Cvičící: | Hlaváč Miroslav, Gruber Ivan |
Anotace
Předmět Metody Počítačového Vidění (MPV) plynule navazuje na znalosti získané v předmětu Zpracování Digitalizovaného Obrazu (ZDO). Dále si klade za cíl seznámit studenta s pokročilými metodami, které jsou používány v oblasti počítačového vidění. Obsah jednotlivých přednášek je uveden níže.
Přehled látky
|
Týden |
Obsah přednášky |
| 1 | Adaptivní ekvalizace histogramu, CLAHE, vyhlazování histogramu, non-maximum suppression, Otsuova metoda hledání automatického prahu |
| 2 | Harris Corner Detector, SIFT, SURF |
| 3 | KAZE, Non-linear diffusion filtering, ORB, MSER |
| 4 | Bag of Words, VLAD, AdaBoost, Decision Tree, Decision Forrest, Random Decision Forrest |
| 5 | PCA, LDA, Active Shape Model, Active Appearance Model |
| 6 | Deep Learning in computer vision I - Convolutional Neural Networks |
| 7 |
Deep Learning in computer vision II - Advanced Methods of Learning, Object Detection |
| 8 | Deep Learning in computer vision III - Image segmentation |
| 9 | Deep Learning in computer vision IV - Generative Adversial Networks |
| 10 | Projekticní prostor, perpektivita, perspektivní transformace, vlastnosti perspektivity |
| 11 | Geometrie kamery, vnitřní a vnější parametry, fundamentální matice, epipolární geometrie, kalibrace kamery |
| 12 | Deep Learning in computer vision V - best performing algorithms |
Under Construction!
| Týden | Přednáška | Materiály k přednášce | Cvičení | Materiály ke cvičení | Ostatní |
| 1 | prezentace 01 | materiál 01 | cvičení 01 | materiál 01 | ostatní 01 |
| 2 | prezentace 02 | materiál 02 | cvičení 02 | materiál 02 | ostatní 02 |
| 3 | prezentace 03 | materiál 03 | cvičení 03 | materiál 03 | ostatní 03 |
| 4 | prezentace 04 | materiál 04 | cvičení 04 | materiál 04 | ostatní 04 |
| 5 | prezentace 05 | materiál 05 | cvičení 05 | materiál 05 | ostatní 05 |
| 6 | prezentace 06 | materiál 06 | cvičení 06 | materiál 06 | ostatní 06 |
| 7 | prezentace 07 | materiál 07 | cvičení 07 | materiál 07 | ostatní 07 |
| 8 | prezentace 08 | materiál 08 | cvičení 08 | materiál 08 | ostatní 08 |
| 9 | prezentace 09 | materiál 09 | cvičení 09 | materiál 09 | ostatní 09 |
| 10 | prezentace 10 | materiál 10 | cvičení 10 | materiál 10 | ostatní 10 |
| 11 | prezentace 11 | materiál 11 | cvičení 11 | materiál 11 | ostatní 11 |
| 12 | prezentace 12 | materiál 12 | cvičení 12 | materiál 12 | ostatní 12 |
| 13 | prezentace 13 | materiál 13 | cvičení 13 | materiál 13 | ostatní 13 |
Požadavky
- Zápočet:
- Pro získání zápočtu bude nutné vypracovat několik menších semestrálních prací, které budou postupně zadávány na cvičeních.
- Zápočet získá každý student, který získá >= 60% bodů ze semestrálních prací.
- Zápočet typu A získá každý student, který získá >= 90% bodů ze semestrálních prací.
- Hodnocení semestrálních prací - ZDE
- Zkouška:
- Na zkoušce si student losuje 3 otázky, na které odpovídá. V případě, že student má zápočet typu A, tak jednu zvolenou otázku vyřadí a odpovídá pouze na zbylé dvě.
- Otázky ke zkoušce - ZDE
Literatura
- Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis, and Machine Vision, Third Edition, Thomson, 2008.
Soubory ke stažení
| Soubory .DOCX | |
|---|---|
| otazky_2019.docx | |
| Soubory .PDF | |
| otazky_2019.pdf | |