Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024

Metody počítačového vidění

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
A4M33MPV Z,ZK 6 2P+2C česky

Předmět A4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE4M33MPV (vztah je symetrický)

Předmět A4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)

Předmět A4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE4M33MPV (vztah je symetrický)

Předmět A4M33MPV může být splněn v zastoupení předmětem AE4M33MPV

Předmět A4M33MPV může být splněn v zastoupení předmětem BE4M33MPV

Předmět A4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)

Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
Anotace:

Předmět se zabývá vybranými problémy počítačového vidění: hledáním korespondencí mezi obrazy pomocí nalezení významných bodů a oblastí, jejich invariantního a robustního popisu a matchingu, dále slepováním obrazů, detekcí, rozpoznáváním a segmentací objektů v obrazech a ve videu, vyhledáváním obrázků ve velkých databázích a sledováním objektů ve video-sekvencích.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/A4M33MPV

Požadavky:

znalost matematické analýzy a algebry.

Osnova přednášek:

1.Úvod. Mapa předmětu. Přehled problémů a jejich aplikace.

2.Detekce bodů a oblasti zájmu: Harrisův operátor (detektor rohů), Laplacův operátor a jeho aproximace rozdílem Gaussiánů, maximálně stabilní extremální oblasti (MSER).

3.Deskriptory oblasti zájmu: SIFT (scale invariant feature transform), LBP (local binary patterns). Metoda lokálních afinních rámců pro zajištění geometrické invariance popisu.

4.Detekce geometrických primitiv (přímek, kružnic, elips, atd.). Houghova transfromace. RANSAC (Random Sample and Consensus).

5.Segmentace I. Obraz jako markovské náhodné pole (MRF). Algoritmy formalizující segmentaci jako problém minimalizace řezu grafem.

6.Segmentace II. Level set methody

7.Inpainting. Přemalování objektu v obraze bez viditelných stop

8.Detekce objektů pomocí „scanning window“ (Viola-Jones metody)

9.Hledání korespondenci a rozpoznávání objektů pomoci lokálního invariantního popisu.

10.Sledování objektů (tracking) I. KLT tracker, sledování Harrisových bodů pomocí korelace.

11.Sledování objektů (tracking) II. Metoda Mean-shift, kondenzace.

12.Image Retrieval I: Vyhledávání ve velkých obrazových databázích: popisy obrazů

13.Image Retrieval II: Vyhledávání ve velkých obrazových databázích: indexace, geometrická konzistence

14.Rezerva

Osnova cvičení:

1. - 5. Slepování obrazu (image stitching).

6. - 9. Segmentace a impainting („přemalování“ objektu v obraze na pozadí bez viditelných stop)

7. - 12. Detekce objektu pomocí metody klouzajícího okna

13. 14. Ověřování výsledků, úpravy algoritmů, odevzdávání úloh.

Cíle studia:

Jsou vysvětleny metody pro registraci obrazů, vyhledávání ve velkých databázích a sledování. Na cvičeních studenti vybrané metody implementují a ověřují jejich funkci na datech z reálných problémů.

Studijní materiály:

M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis and Machine Vision. Thomson 2007

D. A. Forsyth, J. Ponce. Computer Vision: A Modern Approach. Prentice Hall 2003

Poznámka:

URL: https://cw.fel.cvut.cz/wiki/courses/mpv/start

Další informace:
http://cw.felk.cvut.cz/doku.php/courses/a4m33mpv/start
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 16. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet12587204.html