Umetno zaznavanje (FRI)

Visokošolski učitelji: Kristan Matej
Število kreditnih točk: 6
Semester izvajanja: zimski
Koda predmeta: 63267



Opis predmeta

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:

Opravljanje študijskih obveznosti je opredeljeno v Študijskih pravilih FRI.

Vsebina:

Pregled področja umetnega zaznavanja, aplikacijski doseg in znanstveni izzivi

Procesiranje slik

  • Nastanek slike v kameri
  • Binarizacija, morfološke operacije, segmentacija
  • Barvni prostori in zaznavanje
  • Linearni in nelinearni filtri

Odvodi slike in zaznavanje robov

  • Zaznavanje robov z odvodi
  • Robovi za zaznavanje objektov
  • Zaznavanje parametričnih oblik

Prileganje modelov

  • Normalne enačbe
  • Homogeni sistemi
  • Robustne metode

Lokalne značilnice

  • Detektorji kotov
  • Lokalni opisniki z izbiro merila in afino adaptacijo

Stereoskopija in zaznavanje globine

  • Nekalibrirani in kalibrirani sistemi ter rekonstrukcija

Razpoznavanje objektov

  • Podprostorske metode (PCA,LDA)
  • Razpoznavanje z lokalnimi značilnicami

Detekcija objektov

  • Zapis vizualnih lastnosti in postopki za detekcijo

Zaznavanje gibanja

  • Lokalno gibanje in metode za sledenje objektov

Vaje:

Vaje bodo potekale v obliki projektno-orientiranih nalog v primerno opremljenih študentskih laboratorijih. Študentje v okviru nalog samostojno implementirajo algoritme in jih preizkušajo na različnih naborih podatkov zajetih z različnimi senzorskimi sistemi. Sprotno in obvezno delo na projektih omogoča poglobljeno in kritično razumevanje obravnavane tematike, spodbuja pa tudi samostojno mišljenje in kreativnost.

Cilji in kompetence:

Študenti bodo v okviru tega predmeta pridobili konkretna znanja in veščine s področja računalniškega vida. Razvili bodo kompetence z nizkonivojskega procesiranja slik, 3D geometrije kamer in sterea, detekcije objektov, razpoznavanja objektov in osnove izračunavanja gibanja v videoposnetkih. Osvojili bodo tudi matematične osnove za reševanje zahtevnih inženirskih problemov, ki so značilni za analizo tako kompleksnih signalov kot so slike in videoposnetki.

Poleg tega bodo študenti osvojili naslednje kompetence:

  • Sposobnost razumevanja in reševanja strokovnih izzivov s področja računalništva in informatike
  • Sposobnost strokovne komunikacije v materinem in tujem jeziku.
  • Sposobnost neodvisnega reševanja tako manj zahtevnih kakor kompleksnih inženirskih in organizacijskih problemov iz ozkih področji, kakor tudi specifičnih dobro definiranih problemov s področja računalništva in informatike.

Predvideni študijski rezultati:

Znanje in razumevanje: Poznavanje računalniških tehnologij in računalniških metodologij za uporabo in razvoj komponent in sistemov računalniškega zaznavanja.

Uporaba: Uporaba računalniških tehnologij in računalniških metodologij pri specifičnih aplikacijah avtonomnih inteligentnih kognitivnih sistemov.

Refleksija: Spoznavanje in razumevanje uglašenosti med teorijo in njeno aplikacijo na konkretnih primerih s področja modeliranja umetnih inteligentnih spoznavnih/zaznavnih sistemov.

Prenosljive spretnosti - niso vezane le na en predmet: Reševanje drugih konceptualno sorodnih problemov (npr. na drugih modalnostih) na osnovi modelov računalniškega in kognitivnega zaznavanja.

Metode poučevanja in učenja:

Predavanja, laboratorijske vaje v računalniški učilnici z aktivnim sodelovanjem. Individualno delo na vajah. Teorija s predavanj se praktično analizira na vajah. Poseben poudarek je na sprotnem študiju in sprotnem delu pri vajah.





Gradiva

Obvezna:

  1. D. Forsyth and J. Ponce, Computer Vision: A modern approach, Prentice Hall 2011.
  2. R. Szeliski,Computer Vision: Algorithms and Applications, Springer, 2011

Dopolnilna:

  1. H. R. Schiffman: Sensation and Perception, An Integrated Approach, John Wilez & Sons 2001.

Izbrani članki iz revij IEEE PAMI, CVIU, IJCV, Pattern Recognition (dostopno na spletu)



Študiji na katerih se predmet izvaja

  • 3 letnik - 1. stopnja - Multimedija