Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2018/2019

Vidění robotu

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
B3B33VIR Z,ZK 4 2p+2l česky
Korekvizita:
Bezpečnost práce v elektrotechnice pro bakaláře (BEZB)
Základní školení BOZP (BEZZ)
Přednášející:
Karel Zimmermann (gar.)
Cvičící:
Karel Zimmermann (gar.), Teymur Azayev, Tomáš Petříček
Předmět zajišťuje:
katedra kybernetiky
Anotace:

Předmět naučí aplikovat metody počítačového vidění, strojového učení a optimalizace na znamých úlohách z oblasti robotiky jako jsou například metrické a sémantické mapování z kamerových a hloubkových obrázků či reaktivní řízení robotu. Těžiště předmětu leží ve výuce metod aplikujících hluboké neuronové sítě.

Studenti využijí základní znalosti z optimalizace a lineární algebry jako jsou robustní řešení přeurčených soustav (ne)lineárních (ne)homogenních rovnic nebo metody gradientní minimalizace. Velká část cvičení je věnována samostatnému řešení semestrální práce.

Požadavky:
Osnova přednášek:

1 Přehled a organizace předmětu

2 Senzory, které vidí I (RGB kamera a její kalibrace)

3 Senzory, které vidí II (hloubka ze sterea a strukturovaného světla, a solid-state lidaru)

4 Mapování (korespondence v RGBD datech, 3D rekonstrukce, vznik voxelove mapy)

5 Klasifikace

6 Neuronové sítě, backpropagation

7 Konvoluční a rekurentní neuronové sítě + backpropagation

8 Aplikace hlubokých neuronových sítí (detekce, segmentace, maskRCNN, yolo, ..)

9 Úvod to TensorFlow I

10 Úvod to TensorFlow II

11 Generativní modely a jejich použití v robotice (Generative Adversarial Networks, Cascaded Refinement Networks, Style Transfer Networks, GTA)

12 Posilované učení v robotice (imitation learning, GAIL, RL, actor-critic, gym AI, aplikace)

13 Prezentace semestralnich praci

Osnova cvičení:

Cvičení bude probíhat formou řešení samostatné semestrální práce s konzultacemi.

Cíle studia:

Předmět naučí aplikovat metody počítačového vidění, strojového učení a optimalizace na znamých úlohách z oblasti robotiky jako jsou například metrické a sémantické mapování z kamerových a hloubkových obrázků či reaktivní řízení robotu.

Studijní materiály:

Thrun S., Burgard W., Fox D. Probabilistic robotics, MIT Press, 2006

Šonka M., Hlavác V., Boyle R.: Image processing, analysis, and machine vision, Cengage Learning, Toronto, 2015.

Poznámka:
Další informace:
https://cw.fel.cvut.cz/wiki/courses/b3b33vir/start
Rozvrh na zimní semestr 2018/2019:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
místnost KN:E-301
Zimmermann K.
14:30–16:00
(přednášková par. 1)
Karlovo nám.
Šrámkova posluchárna K9
místnost KN:E-301
Petříček T.
Azayev T.

16:15–17:45
(přednášková par. 1
paralelka 101)

Karlovo nám.
Šrámkova posluchárna K9
Út
St
Čt

Rozvrh na letní semestr 2018/2019:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 26. 6. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet4675106.html