Modul I: Napredne metode računalniškega vida

V okviru predmeta bomo najprej raziskali človeški vid in njegove razlike od računalniškega vida, kar bo osnova za razumevanje razlik med naravno in umetno percepcijo. Obravnavali bomo zbirke slikovnih podatkov, njihovo vlogo pri razvoju algoritmov in napredku v računalniškem vidu. 

Nadalje bomo preučili detektorje in opisnike značilnih točk, kot so SIFT, HOG in MSER, ter poudarili pomen večločljivostnih pristopov in prostora skale za interpretacijo slik na različnih ravneh podrobnosti. 

Raziskovali bomo metode vizualnega sledenja, vključno z Bayesovim filtriranjem in Kalmanovim filtrom, kar nam bo razkrilo, kako slediti objektom v dinamičnih okoljih. 

Zaključili bomo s študijem konvolucijskih nevronskih mrež in učljivih opisnikov, ki so ključni v avtomatiki in robotiki, ter si ogledali, kako te tehnologije omogočajo razvoj inteligentnih sistemov za interakcijo z vizualnim svetom. 

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. 

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.