Opis predmeta
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.
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
-
Forsyth, David A., in Jean Ponce. Computer Vision: A Modern Approach. 2nd ed., Pearson, cop. 2012. Boston [etc.]. ISBN 978-0-13-608592-8, 0-13-608592-X. COBISS.SI-ID: 10640724. Dostopno v knjižnici UL FE.
-
Szeliski, Richard. Computer Vision: Algorithms and Applications. Springer, cop. 2011. London [etc.]. ISBN 978-1-84882-934-3, 1-84882-934-5, 1-84882-935-3. Dostopno na SpringerLink za uporabnike z dostopom do univerzitetne računalniške mreže ali preko storitve Oddaljeni dostop do informacijskih virov UL. COBISS.SI-ID: 9030996.
-
Temeljni članki, objavljeni v znanstvenih revijah (Basic scientific papers, published in scientific journals)