Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής

Πολυτεχνική Σχολή - Πανεπιστήμιο Ιωαννίνων

Υπολογιστική Όραση

Course Feature
Περιγραφή μαθήματος

Κωδικός Μαθήματος: Δ5

Ειδίκευση - Ενότητα: Επιστήμη και Μηχανική Δεδομένων: Ενότητα Δ - Ανάλυση και Επεξεργασία Δεδομένων

Τύπος: Μάθημα Επιλογής

Εβδομαδιαίες ώρες διδασκαλίας: 3,1,0

Μονάδες ECTS: 7

Ιστοσελίδα Μαθήματος: http://ecourse.uoi.gr/enrol/index.php?id=1765

Προσφερόμενο:

Περιεχόμενο:

• Γραμμικό φιλτράρισμα • Ανίχνευση ακμών • Αναπαράσταση στο πεδίο της συχνότητας, πυραμίδες ταίριασμα προτύπου • Τοπικά χαρακτηριστικά: γωνίες • Τοπικά χαρακτηριστικά: χώρος κλίμακας και περιγραφείς σημείων ενδιαφέροντος • Συνοπτικές έννοιες της μηχανικής μάθησης για την υπολογιστική όραση • Τμηματοποίηση μέσω ομαδοποίησης: ο αλγόριθμος μέσης μετατόπισης • Τμηματοποίηση μέσω ομαδοποίησης: ο αλγόριθμος κανονικοποιημένης τμηματοποίησης γράφου (normalized cut) • Τμηματοποίηση με μοντέλο: ο μετασχηματισμός Hough transform και η μέθοδος των ελαχίστων τετραγώνων • Τμηματοποίηση με μοντέλο: εύρωστοι εκτιμητές και ο αλγόριθμος RANSAC • Υπέρθεση • Ανάλυση σε πρωτεύουσες συνιστώσες (PCA) και ιδιο-εικόνες • Ανίχνευση προσώπου • Πιθανοτικά μοντέλα: μεγιστοποίηση πιθανοφάνειας, μεγιστοποίηση της εκ των υστέρων πιθανότητας και Μπεϋζιανή μεθοδολογία • Μάθηση και συμπερασματολογία στην υπολογιστική όραση • Η κάμερα οπής • Ανάλυση πίνακα σε ιδιάζουσες τιμές και αλγεβρικά προβλήματα υπολογιστικής όρασης • Μοντέλα γεωμετρικών μετασχηματισμών • Πολλαπλές κάμερες • Περισσότερα χαρακτηριστικά: τοπικά δυαδικά πρότυπα, συμφραζόμενα σχήματος, δυϊκή PCA • Μοντέλα για πλέγματα: τυχαία πεδία Markov (MRF) και τμηματοποίηση γράφου (grpah cut) • Παλινδρόμηση • Ταξινόμηση

Αντιστοιχία Μαθήματος με παλαιό ΠΜΣ:

Τ11 – Υπολογιστική Όραση