460-4107/01 – Analýza obrazu II (ANO II)

Garantující katedraKatedra informatikyKredity4
Garant předmětuIng. Radovan Fusek, Ph.D.Garant verze předmětuIng. Radovan Fusek, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinně volitelný
Ročník2Semestrzimní
Odkaz na webJazyk výukyčeština
Rok zavedení2015/2016Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
FUS032 Ing. Radovan Fusek, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2
kombinovaná Zápočet a zkouška 10+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem předmětu je seznámit posluchače s moderními metodami analýzy obrazu, které mohou být využity zejména pro detekci a rozpoznání objektů. Nedílnou součástí je také aplikace těchto technik do reálného prostředí (například detekce lidských tváří, lokalizace chodců nebo detekce automobilů v obrazech).

Vyučovací metody

Přednášky
Cvičení (v učebně)

Anotace

Jsou probírána následující témata: Moderní metody detekce a rozpoznání objektů v obrazech. Typicky se jedná o postupy založené na obrazových příznacích v kombinaci s metodami strojového učení. Probírány budou také principy hlubokého učení a konvolučních neuronových sítí a jejich aplikace v problémech obrazové detekce automobilů, chodců, lidských tváří.

Povinná literatura:

1. Gonzalez, R., C., Woods, R., E.: Digital Image Processing, Prentice Hall, ISBN-10: 013168728X, ISBN-13: 978-0131687288, 2007 2. Petrou, M., Petrou, C.: Image Processing: The Fundamentals, Wiley, ISBN-10: 047074586X, ISBN-13: 978-0470745861, 2010 3. E. Sojka, Digitální zpracování a analýza obrazů, učební texty, VŠB-TU Ostrava, 2000 (ISBN 80-7078-746-5).

Doporučená literatura:

1. E. Sojka, J. Gaura, and M. Krumnikl, Matematické základy digitálního zpracování obrazu. Ostrava, Plzeň: VŠB-TU Ostrava (Fakulta elektrotechniky a informatiky), Západočeská univerzita v Plzni, 2. vydání ed., 2011. 2. Burger, W., Burge, M., J.: Principles of Digital Image Processing: Fundamental Techniques, Springer, ISBN-10: 1848001908, ISBN-13: 978-1848001909, 2011 3. Brahmbhatt, S.: Practical OpenCV (Technology in Action), Apress, ISBN-10: 1430260793, ISBN-13: 978-1430260790, 2013 4. Gary Bradski, Adrian Kaehler: Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library, O'Reilly Media, 2017

Způsob průběžné kontroly znalostí během semestru

Podmínky udělení zápočtu: Vypracování úloh, které jsou součástí programu cvičení. Zkouška - písemný test.

E-learning

Další požadavky na studenta

Další požadavky na studenta nejsou kladeny.

Minimální znalostní požadavky

Prerekvizity

Kód předmětuZkratkaNázevPovinnost
460-4080 ANO I Analýza obrazu I Doporučená

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Přednášky: 1. Základní pojmy z oblasti detekce objektů v obrazech, metoda posuvného okna. 2. Metody detekce tváří v obrazech, příznaky typu Haar. 3. Lokální binární vzory a jejich využití pro detekci objektů. 4. Metody detekce chodců v obrazech, histogramy orientovaných gradientů. 5. Obrazové deskriptory, detektory zájmových bodů v obrazech (metoda SIFT). 6. Základní pojmy a metody z oblasti rozpoznání objektů v obrazech. 7. Konvoluční neuronové sítě. 8. Metoda AdaBoost pro rozpoznávání objektů v obraze. 9. Metoda Support Vector Machines a její využití ke klasifikaci objektů. 10. Metoda Mix Gaussiánů pro detekci pozadí. 11. Zpracování obrazů v IR spektru a multispektrálních obrazů. 12. Analýza hloubkových obrazů, využití 3D senzorů (RealSense, Kinect). 13. Zpracování LIDARových obrazů. 14. Rezerva Cvičení (PC učebna): 1. Vytvoření základní kostry detektoru pro zvolený zájmový objekt. 2. Implementace metody posuvného okna. 3. Příprava dat pro trénovací a testovací fázi detektoru. 4. Detekce založená na příznacích typu Haar. 5. Detekce pomocí lokálních binárních vzorů. 6. Detekce pomocí obrazových deskriptorů (metoda SIFT). 7. Detekce a rozpoznání objektů pomocí konvolučních neuronových sítí. 8. Rozpoznání objektů pomocí metody AdaBoost. 9. Rozpoznání objektů metodou Support Vector Machine v kombinaci s histogramem orientovaných gradientů. 10. Odečet pozadí pomocí metody Mix Gaussiánů a její akcelerace na GPU. 11. Detekce objektů v IR obrazech. Úprava obrazu a jeho následné zpracování. 12. Segmentace a detekce objektů v hloubkových obrazech, využití 3D senzorů (RealSense, Kinect). 13. Rezerva. 14. Zápočet.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2015/2016 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Zápočet a zkouška Zápočet a zkouška 100 (100) 51
        Zápočet Zápočet 45  20
        Zkouška Zkouška 55  6
Rozsah povinné účasti:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramOborSpec.FormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2018/2019 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 povinně volitelný stu. plán
2018/2019 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 povinně volitelný stu. plán
2017/2018 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 povinně volitelný stu. plán
2017/2018 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 povinně volitelný stu. plán
2016/2017 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 povinně volitelný stu. plán
2016/2017 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 povinně volitelný stu. plán
2015/2016 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 povinně volitelný stu. plán
2015/2016 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 povinně volitelný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku