Rozpoznávání a zpracování obrazu
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
X33RZO | Z,ZK | 5 | 2+2s | česky |
- Předmět je náhradou za:
- Rozpoznávání a strojové učení (A4B33RPZ)
- Přednášející:
- Jiří Matas (gar.)
- Cvičící:
- Jiří Matas (gar.), Martin Dolejší, Andrej Mikulík, Jiří Trefný
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
Obsah předmětu je totožný s 33RPZ (Rozpoznávání), přejmenování není možné z byrokratických důvodů. Zpracování obrazů, inzerované v názvu, je pokryto předmětem X33ZS1.
WWW stánka: http://cmp.felk.cvut.cz/cmp/courses/recognition/.
Základní úlohou rozpoznávání je nalezení strategie pro rozhodování o objektech minimalizující ztrátu plynoucí z chybných rozhodnutí. Potřebná znalost o vlastnostech objektů je získána učením. Jsou představeny základní formulace úlohy rozpoznávání a principy učení. Návrh, učení a vlastnosti základních typů klasifikátorů (t.j. strojů realizující rozhodovací strategii) jsou rozebrány do hloubky. Do této skupiny jsou zahrnuty parametrické klasifikátory, perceptron, vícevrstvé neuronové sítě, klasifikátory typu nejbližší soused, ale i moderní klasifikátory typu support vector machines. Tématům shlukování, výběru příznaků vhodných pro rozpoznávání a strukturálnímu a syntaktickému rozpoznávání se každému věnuje jedna přednáška.
- Požadavky:
- Osnova přednášek:
-
1 Úvod. Formulace úloh řešených v rozpoznávání. Mapa předmětu. Pojmy.
2 Bayesovská úloha rozhodování.
3 Nebayesovské úlohy a jejich řešení pomocí lineárního programování
4 Odhady parametrů pravděpodobnostních modelů. Metoda maximální věrohodnosti.
5 Neparametrické odhady. Parzenova okna. Metoda nejbližších sousedů.
6 Učení klasifikátoru. Lineární klasifikátor. Perceptron
7 Učení metodou Adaboost.
8 Učení jako kvadratický optimalizační problém. Klasifikátor typu SVM).
9 Učení metodou backpropagation. Neuronové sítě.
10 Shluková analýza, metoda k-means.
11 Učení bez učitele. EM (Expectation Maximization) algoritmus.
12 Sekvenční rozhodování. Waldův Sequential Probability Ratio Test.
13 Výběr a extrakce příznaků. PCA, LDA.
14 Opakování základních pojmů, vazby mezi metodami, zkouškové otázky
- Osnova cvičení:
- Cíle studia:
- Studijní materiály:
-
[1]Duda, Hart, Stork: Pattern Classification, Wiley, 2001
[2] Schlesinger, M.I., Hlaváč, V.: Theory of statistical and structural recognition in 10 lectures, 2002
- Poznámka:
-
Rozsah výuky v kombinované formě studia: 14+2
Typ cvičení: s, l, p
Předmět je nabízen také v anglické verzi.
Obor BM
\URL: http://cw.felk.cvut.cz/doku.php/courses/a4b33rpz/start
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Biomedicínské inženýrství- strukturované studium (povinný předmět)