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