Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024

Počítačové vidění – Teorie a praxe

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
XP33VTP ZK 4 2S anglicky
Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
Anotace:

V průběhu kurzu budou studovány vybrané „state of the art“ metody využívané v počítačovém vidění, které mají volně k dispozici efektivní implementaci. Převážně půjde o obecné metody, které byly použity v různých úspěšných aplikacích, například vyhledávání ve vysokodimenzionálních prostorech, hluboké neuronové sítě, či grafové značkovací algoritmy. Konkrétní metody se upravují dle současných publikací a také částečně dle zájmu studentů. Cílem pro studenty bude porozumět metodě, porozumět implementaci a umět metodu použít jako nástroj k řešení dalších problémů.

Požadavky:
Osnova přednášek:

Výuka probíhá ve dvou částech. První je podobná reading group – studenti samostatně studují publikace, které jsou následně diskutovány na přednášce. Ve druhé, praktické části, studenti použijí konkrétní implementaci k řešení zadaného problému. Tato řešení a jejich vlastnosti jsou opět diskutovány na přednášce.

Předmět očekává znalosti algoritmů, datových struktur, schopnost samostatného studia. Svým rozsahem a náročností je vhodný pro doktorandy jako příprava pro vědeckou práci, nevhodný pro běžné studenty magisterského studia.

Příklad probíraných metod:

1. Marius Muja and David G. Lowe: “Fast Approximate Nearest Neighbors with Automatic Algorithm Configuration”, in International Conference on Computer Vision Theory and Applications (VISAPP'09), 2009

2. Herve Jegou, Matthijs Douze, Cordelia Schmid: “Product quantization for nearest neighbor search”, PAMI 2011.

3. Wei Dong, Moses Charikar, Kai Li : “Efficient K-Nearest Neighbor Graph Construction for Generic Similarity Measures.” In Proc. of the International conference on World Wide Web (WWW). New York, NY. 2011.

4. Jeff Johnson, Matthijs Douze, Hervé Jégou: “Billion-scale similarity search with GPUs” 2017

Vyšší kreditové hodnocení předmětu vyplývá z velkého množství samostatné práce doktorandů.

Osnova cvičení:
Cíle studia:
Studijní materiály:

Liší se dle probíraných článků, seznam literatury na www stránkách předmětu, případně relevantní reference v jednotlivých článcích.

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 30. 9. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet6021006.html