Opis predmeta
- Uvod v razpoznavanje vzorcev in umetno inteligenco: osnovni pojmi in izrazoslovje.
- Metode obdelave in razpoznavanja vidnih vzorcev: zajem vidnih vzorcev, razčlenjevanje slik na enovita področja, značilke oblike in sestave površine področij, samodejno učenje in razpoznavanje predmetov.
- Samodejno vidno zaznavanje in razpoznavanje oseb v nadzorovanih prostorih. Metode vidnega zaznavanja in razpoznavanja obrazov in postav ljudi na slikah.
- Metode obdelave in razpoznavanja slušnih vzorcev: zajem slušnih vzorcev, razčlenjevanje govornega signala, računanje energije in koeficientov kepstra izsekov signala, opis dinamike signala, samodejno učenje in razpoznavanje ločeno izgovorjenih ukazov .
- Tvorjenje umetnega govora: akustično modeliranje govora, osnovne metode tvorjenja umetnega govornega signala, samodejno učenje sintetizatorja govora iz posnetkov naravnega govora.
- Govorna komunikacija človek – stroj: gradniki sistemov za govorno komunikacijo med človekom in strojem, razpoznavalnik govora, sintetizator govora, sistem za vodenje dialoga.
Predmet učimo na programih
Aplikativna elektrotehnika 1. stopnja
Cilji in kompetence
Cilj predmeta je študentu podati znanje o osnovnih konceptih in gradnikih inteligentnih sistemov v avtomatiki. Poseben poudarek je na seznanjanju z osnovami strojnega vida, osnovami samodejnega razpoznavanja in sinteze govora ter s sodobnimi načini komunikacije človek-stroj. Študent se seznani z zasnovami inteligentnih sistemov ter s primeri izvedb takšnih sistemov. Pridobljeno znanje podaja vpogled v možnosti in omejitve pri uporabi sistemov za samodejno razpoznavanje slikovnih in govornih vzorcev za razvoj inteligentnih sistemov v avtomatiki.
Metode poučevanja in učenja
Na predavanjih so podane teoretične osnove vseh obravnavanih modelov in metod. Predstavljeni so tudi primeri inteligentnih sistemov v avtomatiki ter računski primeri, ki ponazarjajo bistvene značilnosti predstavljenih metod. Študentom je na razpolago učbenik in drugo gradivo v obliki skripte z rešenimi nalogami in drsnice s predavanj. V okviru predavanja študenti dobijo neobvezne domače naloge, ki vključujejo nekaj teoretičnih vprašanj in nekaj računskih nalog, katerih namen je sprotno preverjanje pridobljenega znanja. Praktično delo poteka v okviru laboratorijskih vaj, kjer študenti rešujejo predvsem zadane programerske naloge.
Predvideni študijski rezultati
Po uspešno opravljenem predmetu naj bi bili študenti zmožni:
- opisati osnovne metode samodejnega razpoznavanja vidnih in slušnih vzorcev,
- predstaviti primere inteligentnih sistemov, ki vključujejo metode razpoznavanja vidnih in slušnih vzorcev,
- uporabiti uporabniške programske vmesnike za razvoj govorne komunikacije med človekom in strojem,
- uporabiti odprtokodna razvojna orodja OpenCV in WEKA, programske jezike C++ in Java, prevajalnik GCC in okolje za programiranje Netbeans za razvoj osnovnih primerov inteligentnih sistemov,
- zasnovati osnovne primere inteligentnih sistemov, ki vključujejo metode razpoznavanja vidnih in slušnih vzorcev ter
- ovrednotiti uporabno vrednost danih inteligentnih sistemov, ki vključujejo metode razpoznavanja vidnih in slušnih vzorcev.
Temeljni viri in literatura
- N. Pavešić: Razpoznavanje vzorcev : uvod v analizo in razumevanje vidnih in slušnih signalov, 3., popravljena in dopolnjena izdaja, Založba FE in FRI, 2012. 2 zv. ([XVI], 707 str.), ilustr. ISBN 978-961-243-201-0. [COBISS.SI-ID 260256256]
- R. C. Gonzalez, R. E. Woods, S. L. Eddins: Digital Image Processing Using MATLAB , 2. izdaja, Gatesmark Publishing, 2009.
- J. C. Russ: The Image Processing Handbook, 6. izdaja, CRC, 2011.
- R. Pieraccini: The Voice in the Machine: Building Computers That Understand Speech, MIT Press , 2012.
- P. Taylor: Text-to-Speech Synthesis, Cambridge University Press, 2009.