Računalni vid

Opis predmeta

Cilj sustava računalnog vida je stvaranje modela realnog svijeta iz slika ili sljeda slika. Sustav računalnog vida obnavlja korisnu informaciju o sceni iz njenih dvodimenzionalnih projekcija.

Opće kompetencije

Studentima daje osnovna znanja potrebna za razumijevanje procesa računalnog vida te sposobnost analize i sinteze sustava računalnog vida.

Ishodi učenja

  1. definirati pojmove iz računalnog vida i složenih sustava temeljenih na računalnom vidu
  2. objasniti i razlikovati postupke, metode i algoritme u području obrade slike i računalnog vida
  3. primijeniti metode iz računalnog vida novim aplikacijama robotskog vida
  4. analizirati i raščlaniti problem sustava računalnog ili robotskog vida
  5. dizajnirati i razviti sustav računalnog ili robotskog vida za određenu aplikaciju
  6. procijeniti kakvoću rješenja sustava temeljenih na računalnom vidu

Oblici nastave

Predavanja

Nastava se održava u dva ciklusa - svaki po 7 tjedana. Nastava se provodi kroz 15 tjedana s tjednim opterećenjem od dva sata. Nakon svakog ciklusa, tj. u 8. tjednu predavanja i 15. tjednu predavanja provodi se provjera znanja, odnosno završni ispit. Tjedan neposredno prije provjere znaja, odnosno zavrsnog ispita predviđen je za rješavanje zadataka.

Provjere znanja

Provjera znanja se obavlja pismenim ispitom dva puta u semestru.

Konzultacije

Jednom tjedno predviđene su konzultacije u trajanju od 2 sata.

Seminari

Grupe od četiri do pet studenata dobivaju projektni zadatak koji timski rješavaju i programski implementiraju i prezentiraju svojim kolegama.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Napomena / komentar Udio u ocjeni
Seminar/Projekt 0 % 30 % 0 % 30 %
Međuispit: Pismeni 0 % 30 % 0 %
Završni ispit: Pismeni 0 % 40 %
Ispit: Pismeni 0 % 70 %

Tjedni plan nastave

  1. Definicija računarskog i robotskog vida. Zadaci sustava računarskog vida. Odnos biološkog i računalnog vida. računalni vid i srodna područja.
  2. Oblikovanje slike:uzorčna i recipročna rešetka. 2D Shannonov teorem.
  3. Slikovna geometrija. Perspektivna transformacija. Model kamere.
  4. Postupci kalibracije kamere. Stero vid. Unos slike u računalo.
  5. Binarne slike. Uspoređivanje s pragom. Histogram. Diskretna binarna slika. Podudaranje s uzorkom. Topološka svojstva binarnih slika. Veličina, položaj i orijentacija objekta. Označavanje komponenti.
  6. Algoritam za praćenje konture. Fourierovi koeficijenti. Granlundovi opisnici. Momenti.
  7. Ilustracije procedura i rješavanje zadataka.
  8. Međuispit-provjera znanja.
  9. Segmentacija slike. Segmentacija slike temeljena na područjima. Metoda raspršivanja i stapanja. Otsuova metoda izbora praga. Heurističke metode. Prikaz područja.
  10. Rubna segmentacija. Gaussov operator. Sobel i kompasni rubni operatori. Cannyev operator. LoG operator.
  11. Ilustracije procedura i rješavanje zadataka.
  12. Detekcija granica. Houghova metoda i poopćena Houghova metoda.
  13. Modeli sustava za razumijevanje scena: Hijerarhijski, model oglasne ploče. Opisni formalizmi. Prikaz znanja u sustavima računalskog i robotskog vida.
  14. Ilustracije procedura i rješavanje zadataka.
  15. Završni ispit.

Studijski programi

Sveučilišni diplomski
Obradba informacija (profil)
Predmeti specijalizacije profila (1. semestar) (3. semestar)
Računalno inženjerstvo (profil)
preporučeni izborni predmeti (3. semestar)
Računarska znanost (profil)
Predmeti specijalizacije profila (1. semestar) (3. semestar)

Literatura

M. Nixon, A. Aguado (2008.), Feature Extraction&Image Processing, Elsevier
D. A. Forsyth, J. P. Ponce (2003.), Computer Vision: A Modern Approach, Prentice Hall
R. Jain, R. Kasturi, B. G. Schunck (2003.), Machine Vision, Pearson-Prentice Hall

Izvedba

ID 34416
  Zimski semestar
4 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Auditorne vježbe
0 Laboratorijske vježbe

Ocjenjivanje

89 izvrstan
74 vrlo dobar
61 dobar
50 dovoljan