Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2024/2025
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Počítačové vidění

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
NI-PIV Z,ZK 5 2P+2C česky
Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra softwarového inženýrství
Anotace:

Předmět Počítačové vidění se zaměřuje na teoretické i praktické zvládnutí moderních metod a algoritmů z oblasti zpracování obrazových dat. Studenti se seznámí se základními principy počítačového vidění, postupně přejdou k pokročilým technikám počítačového vidění využívající hluboké učení. Důraz je kladen na teoretické poznatky i na praktické aplikace a implementaci naučených metod během cvičení.

Mezi probíraná témata patří morfologické operace, filtrace obrazu, barevné reprezentace, detekce a rozpoznávání objektů a segmentace prostřednictvím klasických i nejnovějších přístupů založených na hlubokém učení, hluboké neuronové sítě pro počítačové vidění (včetně CNN, RCNN, YOLO, ViT), detekce pohybu, vizuální výraznost (saliency).

Cílem kurzu je vybavit studenty znalostmi a dovednostmi potřebnými pro porozumění, analýzu a návrh systémů počítačového vidění v kontextu aktuálních výzkumných trendů a praktických aplikací.

Požadavky:

Vstupní znalosti k předmětu budou doplněné garantem předmětu.

Osnova přednášek:

1. Úvod, historie počítačového vidění.

2. Morfologické zpracování, filtrace obrazu, konvoluce.

3. Barva: CIE L*a*b*, chromatický diagram .

4. Detekce a rozpoznávání objektů, popis vlastností barva, tvar, textura, lokální deskriptory.

5. (2) Hluboké neuronové sítě v počítačovém vidění (DNN).

6. Konvoluční neuronové sítě (CNN) a rozpoznávání objektů pomocí CNN.

7. Detekce objektů pomocí DNN (RCNN, YOLO).

8. Segmentace objektů pomocí DNN.

9. Vision transformátory (ViT).

10. Generativní DNN v počítačovém vidění.

11. Detekce pohybu.

12. Vizuální výraznost (Visual Saliency) modelování a aplikace.

Osnova cvičení:

Na cvičeních budou muset studenti vypracovat 5 zadání s použitím knihovny OpenCv:

1. zadání procvičuje témata: morfologické zpracování a filtrace obrazu, reprezentace obrazu v různých barevných prostorách

2. zadání procvičuje témata: detekce a rozpoznávání objektů jak tradičními metodami, tak s hlubokými neuronovými sítěmi.

3. zadání procvičuje téma: segmentace objektů tradičními metodami i s hlubokými neuronovými sítěmi.

4. zadání procvičuje téma detekce pohybu.

5. Student vypracuje mini-projekt s individuálním zadáním.

Cíle studia:

Cílem kurzu je vybavit studenty znalostmi a dovednostmi potřebnými pro porozumění, analýzu a návrh systémů počítačového vidění v kontextu aktuálních výzkumných trendů a praktických aplikací.

Studijní materiály:

Doporučená literatura:

1. Mohamed Elgendy: Deep Learning for Vision Systems, 1st Edition. Manning, 2020. ISBN 1617296198.

2. Ian Godfellow and Yoshuma Benigo and Aaron Courville: Deep Learning, www.deeplearningbook.org. MIT Press Ltd., 2016. ISBN 9780262035613 / 9780262035613.

3. Elena ŠIKUDOVÁ, Zuzana ČERNEKOVÁ, Vanda BENEŠOVÁ, Zuzana HALADOVÁ, Júlia KUČEROVÁ: Počítačové videnie, detekcia a rozpoznávanie objektov. Wikina Praha, 2013. ISBN 978-80-87925-07-2.

Poznámka:

Nový předmět vznikl na základě potřeby prohlubování výuky digitálního zpracování obrazu a rozšíření počítačového vidění a grafiky. Prezenční přednášky a semináře s podporou e-learningového portálu s podklady, streamovanými a nahrávanými přednáškami a doplňkovými videi. Důraz je kladen na porozumění teoretické látky a aktivní práce studentů na seminářích.

Další informace:
https://courses.fit.cvut.cz/ANI-PIV
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 29. 5. 2025
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet8307106.html