Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Computer Vision Methods

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
AE4M33MPV Z,ZK 6 2P+2C
Předmět nesmí být zapsán současně s:
Metody počítačového vidění (A4M33MPV)
Computer Vision Methods (BE4M33MPV)
Metody počítačového vidění (B4M33MPV)
Předmět je náhradou za:
Metody počítačového vidění (A4M33MPV)
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
Anotace:

The course covers selected computer vision problems: search for correspondences between images via interest point detection, description and matching, image stitching, detection, recognition and segmentation of objects in images and videos, image retrieval from large databases and tracking of objects in video sequences.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/AE4M33MPV

Požadavky:

knowledge of calculus and linear algebra.

Osnova přednášek:

1.Introduction. Course map. Overview of covered problems and application areas.

2.Detectors of interest points and distinguished regions. Harris interest point (corner) detector, Laplace detector and its fast approximation as Difference of Gaussians, maximally stable extremal regions (MSER).Descriptions of algorithms, analysis of their robustness to geometric and photometric transformations of the image.

3.Descriptors of interest regions. The local reference frame method for geometrically invariant description. The SIFT (scale invariant feature transform) descriptor, local binary patterns (LBP).

4.Detection of geometric primitives, Hough transfrom. RANSAC (Random Sample and Consensus).

5.Segmentation I. Image as a Markov random field (MRF). Algorithms formulating segmentation as a min-cut problem in a graph.

6.Segmentation II. Level set methods.

7.Inpainting. Semi-automatic simple replacement of a content of an image region without any visible artifacts.

8.Object detection by the „scanning window“ method, the Viola-Jones approach.

9. Using local invariant description for object recognition and correspondence search.

10.Tracking I. KLT tracker, Harris and correlation.

11.Tracking II. Mean-shift, condensation.

12.Image Retrieval I. Image descriptors for large databases.

13.Image Retrieval II: Search in large databases, idexation, geometric verification

14.Reserve

Osnova cvičení:

1. - 5. Image stitching. Given a set of images with some overlap, automatically find corresponding points and estimate the geometric transformation between images. Create a single panoramic image by adjusting intensities of individual images and by stitching them into a single frame.

6. - 9. Segmentation and impainting. Implement a simple impainting method, i.e. a method allowing semi-automatic simple replacement of a content of an image region without any visible artifacts.

7. -12. Detection of a instance of a class of objects (faces, cars, etc.) using the scanning window approach (Viola-Jones type detector).

13.-14. Submission and review of reports.

Cíle studia:

The methods for image registration, retrieval and for

object detection and tracking are explained. In the labs,

the students implement selected methods and test

performance on real-world problems.

Studijní materiály:

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

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

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

URL:http://cw.felk.cvut.cz/doku.php/courses/ae4m33mpv/start

Další informace:
http://cw.felk.cvut.cz/doku.php/courses/ae4m33mpv/start
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 17. 9. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet12823004.html