| BÜYÜK VERİ ANALİTİĞİ VE YÖNETİMİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP5550 | Bilgisayar Görüşü | Güz | 3 | 0 | 3 | 8 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi ERKUT ARICAN |
| Dersi Veren(ler): |
Dr. Öğr. Üyesi TARKAN AYDIN |
| Opsiyonel Program Bileşenleri: | Yok |
| Dersin Amacı: | Bu ders bilgisayarla görmedeki temel teknikleri tanıtmaktadır. Başlangıçta görüntü oluşumu, temsili ve kamera projeksiyon geometrileri ile ilgili temel kavramlar verilecektir. Daha sonra kenar algılama, bölütleme, eşikleme gibi bazı klasik görüntü işleme teknikleri tanıtılacaktır. Görüntü eşleştirme, optik akış, yerel görüntü özellikleri çoklu görüntü işleme bağlamında açıklanacaktır. Temel görüntü tanıma teknikleri de tanıtılacaktır. Stereo görüntüleme, 3D yeniden yapılandırma ve X tekniklerinden çeşitli şekillerin tartışılacağı 3D çıkarım bir başka odak noktası olacaktır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; Bu dersi başarıyla tamamlayan öğrenciler şunları yapabileceklerdir: 1- Bilgisayarla görme süreçlerinin ana bileşenlerini listeleyebilecektir 2- Bilgisayarla Görme alanındaki en son gelişmeleri tanımlayabilecektir 3- Gerçek dünya uygulamalarında 3B görme tekniklerini uygulayabilecektir |
| Bu ders, bilgisayarla görmenin temel tekniklerine ve uygulamalarına kapsamlı bir giriş sunmaktadır. Öğrenciler dijital görüntü işleme, kenar ve özellik algılama ve görüntü dönüşümlerini keşfederek başlayacaklardır. Ders daha sonra kamera modelleri, kalibrasyon ve stereo görüş ve hareketten yapı kullanarak 3D sahne yeniden yapılandırma konularını ele almaktadır. Hareket segmentasyonu, nesne tanıma ve görüntü çarpıtma gibi pratik konular, uygulamalı programlama alıştırmaları ve gerçek dünya veri kümeleri aracılığıyla ele alınmaktadır. Kurs, bu tekniklerin eksiksiz görüntü sistemlerine entegrasyonunu gösteren öğrenci liderliğindeki dönem projeleri ile sona ermektedir. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Temel Kavramlar | |
| 2) | Sayısal görüntü işleme teknikleri | |
| 3) | Kenar tespiti | |
| 4) | Doğru ve eğri tesbiti | |
| 5) | Kamera Kalibrasyonu | |
| 6) | Stereo görme | |
| 7) | İmge bölütleme | |
| 8) | Optik akış | |
| 9) | Görsel hareket analizi | |
| 10) | Odaktan-Bulanıklıktan Şekil | |
| 11) | Hareketten Şekil | |
| 12) | Hareketten Şekil | |
| 13) | Nesne Tanıma ve Algılama | |
| 14) | Nesne Tanıma ve Algılama |
| Ders Notları / Kitaplar: | "Computer Vision: Algorithms and Applications", Richard Szeliski "Introductory Techniques for 3-D Computer Vision", Trucco and Verri "Computer vision: A Modern Approach," David A. Forsyth, Jean Ponce • “Machine Vision” by Ramesh Jain, Rangachar Kasturi, Brian G. Schunck |
| Diğer Kaynaklar: | Ceemple OpenCV IDE - https://www.ceemple.com/ |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 3 | % 30 |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 1 | % 20 |
| Final | 1 | % 30 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 50 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 50 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 2 | 28 |
| Proje | 1 | 30 | 30 |
| Ödevler | 4 | 12 | 48 |
| Ara Sınavlar | 1 | 20 | 20 |
| Final | 1 | 30 | 30 |
| Toplam İş Yükü | 198 | ||
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilimsel literatürü takip eder, eleştirel biçimde analiz eder ve mühendislik problemlerinin çözümünde etkin biçimde kullanır. | 2 |
| 2) | Büyük Veri Analitiği ve Yönetimi ile ilgili özgün projeler tasarlar, planlar, uygular ve yönetir. | 2 |
| 3) | Büyük Veri Analitiği ve Yönetimi ile ilgili çalışmaları bağımsız olarak yürütür, bilimsel sorumluluk alır ve elde edilen sonuçları eleştirel bir bakış açısıyla değerlendirir. | 2 |
| 4) | Yaptığı araştırma ve projelerin sonuçlarını akademik standartlara uygun biçimde yazılı, sözlü ve görsel olarak etkili bir şekilde sunar. | 2 |
| 5) | Büyük Veri Analitiği ve Yönetimi alanıyla ilgili uzmanlık gerektiren konularda bağımsız araştırma yapar, özgün düşünce geliştirir ve bu bilgileri uygulamaya aktarır. | 2 |
| 6) | Büyük Veri Analitiği ve Yönetimi alanına özgü ileri düzey kuramsal ve uygulamalı bilgileri etkin bir biçimde kullanır. | 2 |
| 7) | Mesleki, bilimsel ve etik değerlere uygun hareket eder; mühendislik uygulamalarının toplumsal, çevresel ve etik etkilerini gözeterek sorumluluk alır. | 2 |