| BİLGİ TEKNOLOJİLERİ (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 dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | En |
| 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 |
| 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: | "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 |
| Devam | % 0 | |
| Laboratuar | % 0 | |
| Uygulama | % 0 | |
| Arazi Çalışması | % 0 | |
| Derse Özgü Staj | % 0 | |
| Küçük Sınavlar | % 0 | |
| Ödev | 3 | % 30 |
| Sunum | % 0 | |
| Projeler | 1 | % 20 |
| Seminer | % 0 | |
| Ara Sınavlar | 1 | % 20 |
| Ara Juri | % 0 | |
| Final | 1 | % 30 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| 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 |
| Laboratuvar | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Derse Özgü Staj | 0 | 0 | 0 |
| Arazi Çalışması | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışması | 14 | 2 | 28 |
| Sunum / Seminer | 0 | 0 | 0 |
| Proje | 1 | 30 | 30 |
| Ödevler | 4 | 12 | 48 |
| Küçük Sınavlar | 0 | 0 | 0 |
| Ara Juri | 0 | ||
| Ara Sınavlar | 1 | 20 | 20 |
| Rapor Teslimi | 0 | ||
| Juri | 0 | ||
| 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) | Temel Yazılım Mühendisliği bilgi ve yetkinliklerini kullanır. | |
| 2) | Yazılım Mühendisliği uygulamaları için gerekli olan program geliştirme becerisini uygular. | |
| 3) | Veri yapılarını kullanır ve algoritma geliştirme bilgilerini uygular. | |
| 4) | İşletim sistemleri üzerinde sistem programları geliştirir. | |
| 5) | Bilgisayar organizasyonu, tasarımı ve mimarilerini tanımlar. | |
| 6) | Bilgisayar ağları ve ağ güvenliği yapılarını oluşturur. | |
| 7) | İş zekası, veri madenciliği ve veri analizi araçlarını kullanır, tekniklerini uygular. | |
| 8) | Veritabanı uygulamaları ve WEB tabanlı programlar geliştirir. | |
| 9) | Bilgi teknolojileri projelerini tanımlar, analiz eder, tasarlar ve yönetir. | |
| 10) | Eğitimde teknoloji tabanlı ortamları ve araçları kullanır ve geliştirir. | |
| 11) | İş ortamındaki bilişim teknolojileri ihtiyaçlarını saptar, tanımlar ve çözer. | |
| 12) | Bilişim teknolojileri yetkinliklerini mesleki sorumluluklar ve etik kuralları çerçevesinde kullanır. |