Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2024/2025

Computer Vision Methods

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
AE4M33MPV Z,ZK 6 2P+2C anglicky
Vztahy:
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A4M33MPV (vztah je symetrický)
Předmět AE4M33MPV může při kontrole studijních plánů nahradit předmět A4M33MPV
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B4M33MPV (vztah je symetrický)
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A4M33MPV (vztah je symetrický)
Předmět AE4M33MPV může být splněn v zastoupení předmětem BE4M33MPV
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)
Předmět AE4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B4M33MPV (vztah je symetrický)
Garant předmětu:
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 9. 11. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet12823004.html