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

Metody počítačového vidění

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
B4M33MPV Z,ZK 6 2P+2C česky
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)
Garant předmětu:
Přednášející:
Cvičící:
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:

1.Úvod. Mapa předmětu. Přehled problémů a jejich aplikace.

2.Detekce bodů a oblasti zájmu: Harrisův operátor (detektor rohů), Laplacův operátor a jeho aproximace rozdílem Gaussiánů, maximálně stabilní extremální oblasti (MSER).

3.Deskriptory oblasti zájmu: SIFT (scale invariant feature transform), LBP (local binary patterns). Metoda lokálních afinních rámců pro zajištění geometrické invariance popisu.

4.Hledání korespondenci a rozpoznávání objektů pomoci lokálního invariantního popisu.

5. RANSAC, registrace obrazů.

6.Image Retrieval I: Vyhledávání ve velkých obrazových databázích: popisy obrazů

7.Image Retrieval II: Vyhledávání ve velkých obrazových databázích: indexace, geometrická konzistence

8.Detekce objektů pomocí „scanning window“ (Viola-Jones metody)

POPISU.

9.Detekce geometrických primitiv (přímek, kružnic, elips, atd.). Houghova transfromace a její porovnání s RANSACem (Random Sample and Consensus).

10. Detekce objektů pomocí hlubokých neuronových sítí.

11.Sledování objektů (tracking) I. KLT tracker, sledování Harrisových bodů pomocí korelace.

12.Sledování objektů (tracking) II. Metoda Mean-shift, kondenzace.

13.Sledování objektů (tracking) III. Pokročilé metody.

14.Rezerva

Osnova cvičení:

1. - 5. Slepování obrazu (image stitching).

6. - 9. Segmentace a impainting („přemalování“ objektu v obraze na pozadí bez viditelných stop)

7. - 12. Detekce objektu pomocí metody klouzajícího okna

13. 14. Ověřování výsledků, úpravy algoritmů, odevzdávání úloh.

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:

M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis and Machine Vision. Thomson 2007

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

Poznámka:

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

Další informace:
https://cw.fel.cvut.cz/wiki/courses/mpv/start
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 16. 6. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet4684506.html