Opis predmeta
Prehod iz popolnoma ročno zasnovanih metod računalniškega vida na paradigmo zaznavanja značilnih točk ter opisnikov slike v povezavi z učljivimi razvrščevalniki. Vizualno sledenje, koncept modela gibanja. Prehod na paradigmo učljivih opisnikov slike in konvolucijske nevronske mreže.
- Osnove človeškega vidnega sistema in razlika med človeškim vidom ter klasičnimi metodami računalniškega vida.
- Zbirke slikovnih podatkov in njihov omen za razvoj in evaluacijo sodobnih algoritmov.
- Detektoji značilnih točk in opisniki značilnih točk in področij. SIFT, HOG, MSER, COV, in drugi. Večločljivostni pristopi, prostor skale.
- Vizualna detekcija in sledenje objektov, sledenje z detekcijo. Sledenje v okviru Bayesovega sekvenčnega rekurzivnega filtriranja. Sledenje s Kalmanovim filtrom.
- Konvolucijske nevronske mreže, učljive metode za izračun vizualnih opisnikov. Globoke nevronske mreže, njihova uporaba v avtomatiki in robotiki.
Predmet učimo na programih
Elektrotehnika 2. stopnja
Cilji in kompetence
Spoznati izbrane sedanje in prihodnje probleme ter napredne rešitve s področja računalniškega vida. Priprava študentov na timsko delo, kot tudi na samostojno raziskovalno in razvojno delo.
Metode poučevanja in učenja
Na predavanjih so predstavljene teoretične osnove obravnavanih poglavij skupaj s praktičnimi prikazi v jeziku Matlab and Python.
Praktično delo poteka v okviru laboratorijskih vaj. Te so zasnovane v obliki večih nalog, v katerih se študentje postopoma seznanjajo s posameznimi algoritmi računalniškega vida ter jih implementirajo ter preizkusijo. Skupino na vajah sestavljata dva ali trije študentje, rezultati pa so v obliki programske kode v jeziku Matlab in Python. Po vsakem delu vaj študentje predstavijo svoje rezultate asistentu.
Projektna naloga zahteva rešitev konkretnega primera iz področja strojnega vida, robotskega vida ali uporabe strojnega vida v industriji.
Predvideni študijski rezultati
Po uspešno opravljenem predmetu bi naj bili študenti zmožni:
- Pojasniti razlike med človeškim vidnim sistemom in metodami računalniškega vida
- Odločiti se, katere naprednejše metode računalniškega vida so primernejše za problem, ki je pred njimi
- Implementirati sodobne algoritme računalniškega vida
- Izdelati kompleksne rešitve problemov računalniškega vida, ki vsebujejo več naprednejših metod računalniškega vida
- Presoditi, kako dobro delujejo metode računalniškega vida na razpoložljivih podatkih
- Predlagati rešitve problemov računalniškega vida iz področij avtomatike in robotike, ki vključujejo uporabo sodobnih, kompleksnih algoritmov, vključno z nevronskimi mrežami in drugimi učljivimi algoritmi.
Temeljni viri in literatura
- D. Forsyth, J. Ponce, Computer vision, a modern approach, 2nd ed., Pearson 2012.
- R. Szeliski, Computer vision, Algorithms and applications, Springer 2011.
- Temeljni članki, objavljeni v znanstvenih revijah (Basic scientific papers, published in scientific journals)