Metody počítačového vidění

Vztahy:

Předmět B4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE4M33MPV (vztah je symetrický)

Předmět B4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)

Podmínkou zápisu na předmět B4M33MPV je, že student si nejpozději ve stejném semestru zapsal příslušný počet předmětů ze skupiny BEZBM

Předmět B4M33MPV může být splněn v zastoupení předmětem BE4M33MPV

Předmět B4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE4M33MPV (vztah je symetrický)

Předmět B4M33MPV nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE4M33MPV (vztah je symetrický)

Předmět je ekvivalentní s AD4M33MPV,A4M33MPV .

Garant předmětu:

Jiří Matas

Přednášející:

Jan Čech, Jiří Matas, Dmytro Mishkin, Torsten Sattler, Georgios Tolias

Cvičící:

Georgios Kordopatis-Zilos, Jiří Matas, Dmytro Mishkin, Lukáš Neumann, Jonáš Šerých, Pavel Šuma

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 objektů v obrazech a ve videu, vyhledáváním obrázků ve velkých databázích a sledováním objektů ve video-sekvencích.

Tento předmět je také součástí meziuniverzitního programu prg.ai Minor. Ten spojuje to nejlepší z výuky AI v Praze s cílem poskytnout studujícím hlubší a širší vhled do oboru umělé inteligence. Více informací je k dispozici na webu https://prg.ai/minor.

Požadavky:

Znalost matematické analýzy a algebry.

Osnova přednášek:

viz anglická verze.

Osnova cvičení:

viz anglický text

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:

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

I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, 2016

A. Torralba, P. Isola, W. T. Freeman: Foundations of Computer Vision,

Poznámka:

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

Další informace:

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

Rozvrh na zimní semestr 2025/2026:

Rozvrh není připraven

Rozvrh na letní semestr 2025/2026:

	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-107 Matas J. Čech J. 09:15–10:45 (přednášková par. 1) Karlovo nám. Zengerova posluchárna K1
Út
St	místnost KN:E-230 Mishkin D. Neumann L. 14:30–16:00 (přednášková par. 1 paralelka 101) Karlovo nám. Laboratoř PCmístnost KN:E-230 Mishkin D. Neumann L. 16:15–17:45 (přednášková par. 1 paralelka 102) Karlovo nám. Laboratoř PC
Čt
Pá

Předmět je součástí následujících studijních plánů:

• Lékařská elektronika a bioinformatika - Specializace Bioinformatika (povinně volitelný předmět)
• Otevřená informatika - Počítačové vidění a digitální obraz 2018 (povinný předmět oboru)
• Lékařská elektronika a bioinformatika - Specializace Lékařská technika (povinně volitelný předmět)
• Lékařská elektronika a bioinformatika - Specializace Zpracování obrazu (PS)
• Lékařská elektronika a bioinformatika - Specializace Zpracování signálů (povinně volitelný předmět)
• Kybernetika a robotika (povinně volitelný předmět)