Računalni vid
Prikazani su podaci za akademsku godinu: 2025./2026.
Predavanja
Laboratorijske vježbe
Opis kolegija
Geometrijske deformacije slika. Detekcija rubova i kuteva. Ključne točke u prostoru
mjerila. Analiza kretanja u slikovnoj ravnini. Konvolucijski modeli za klasifikaciju
slika. Detekcija objekata i semantička segmentacija. Generativni modeli slika.
Diferencijabilni moduli utemeljeni na pažnji.
Preduvjeti
Za praćenje i polaganje ovog kolegija nužno je vrlo dobro poznavanje gradiva kolegija Vjerojatnost i statistika, Numerička linearna algebra te Duboko učenje.
Ostala korisna predznanja uključuju programiranje u Pythonu, numpyju i Pytorchu.
Studijski programi
Sveučilišni diplomski
Izborni kolegiji (1. semestar) (3. semestar)[FER3-HR] Automatika i robotika - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
[FER3-HR] Elektroenergetika - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji
(1. semestar)
(3. semestar)
[FER3-HR] Elektronika - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji profila
(1. semestar)
(3. semestar)
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji profila
(1. semestar)
(3. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
[FER3-HR] Računarska znanost - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
Izborni kolegiji profila
(1. semestar)
(3. semestar)
[FER3-HR] Znanost o mrežama - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
[FER3-HR] Znanost o podacima - profil
Izborni kolegiji
(1. semestar)
(3. semestar)
[FER2-HR] Računarska znanost - profil
Predmeti specijalizacije profila
(1. semestar)
(3. semestar)
Ishodi učenja
- Definirati osnovne pojmove i zadatke računalnog vida.
- Razlikovati i razumjeti osnovne metode za rješavanje zadataka računalnog vida.
- Prepoznati i razumjeti matematičke koncepte u metodama računalnog vida.
- Definirati kriterijsku funkciju te postaviti optimizacijski postupak.
- Razviti i oblikovati programski sustav za zadanu primjenu računalnog vida.
- Procijeniti empirijski učinak metoda računalnog vida.
Oblici nastave
Predavanja
Tjedna predavanja.
Seminari i radioniceČitanje znanstvene literature i rasprava,
Laboratorijgeometrijske transformacije, rubovi i kutevi, detekcija objekata, normalizirajući tokovi
Način ocjenjivanja
| Kontinuirana nastava | Ispitni rok | |||||
|---|---|---|---|---|---|---|
| Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
| Laboratorijske vježbe | 50 % | 20 % | 50 % | 0 % | ||
| Međuispit: Pismeni | 0 % | 40 % | 0 % | |||
| Završni ispit: Pismeni | 0 % | 40 % | ||||
| Ispit: Pismeni | 50 % | 80 % | ||||
| Ispit: Usmeni | 20 % | |||||
Tjedni plan nastave
- Uvodno predavanje.
- Geometrijske transformacije.
- Detekcija kuteva i rubova.
- Ključne točke u prostoru mjerila.
- Analiza kretanja u slikovnoj ravnini.
- Čitanje znanstvene literature i rasprava,
- Čitanje znanstvene literature i rasprava,
- Međuispit.
- Konvolucijski modeli za klasifikaciju slika.
- Detekcija objekata i semantička segmentacija.
- Generativni modeli slika.
- Modeliranje pažnjom
- Čitanje znanstvene literature i rasprava,
- Čitanje znanstvene literature i rasprava,
- Završni ispit.
Literatura
Izvedba
ID 269083
Zimski semestar
5 ECTS
R1 E-učenje
45 Predavanja
0 Seminar
0 Auditorne vježbe
8 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja
Ocjenjivanje
89 izvrstan
76 vrlo dobar
63 dobar
50 dovoljan
Pristupačnost