ENDÜSTRİ 4.0 (İNGİLİZCE, TEZSİZ) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
EEE5550 | Bilgisayarlı Görüş ve Örüntü Tanıma | Güz | 3 | 0 | 3 | 12 |
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 ZAFER İŞCAN |
Dersin Amacı: | Bu dersin amacı bilgisayarlara 2B ve 3B resimlerden "görme" ve "gördüğünü yorumlama" kabiliyetini nasıl kazandırabileceğimizi öğrenmektir. Bu lisans/yüksek lisans dersinde temel bilgisayarla görü kavramlarına odaklanılacaktır. Öğrenciler teorik ve matematiksel bilgilerin yanı sıra bazı algoritmaları uygulamak yoluyla işlevsel tecrübe de kazanacaktır. |
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Bilgisayarla görüdeki temel problemleri, kullanım alanlarını tartışır 2. Imgeler üzerinde temel nokta işlemleri, ve uzamsal filtreler tasarlar. 3. İmgeler üzerinde geometrik dönüşümler uygular 4. Kenar, çizgi, köşe gibi öznitelik çıkarma yöntemlerini tanımlar 5. Morfolojik işlemleri tanımlar 6. Bölütleme algoritmaları geliştirir: histogram-tabanlı bölütlemem, gruplama ve bölge büyütme 7. Hareket kestirimi yöntemlerini tartışır 8. Nesne ve şekil tanıma yöntemlerini bilgisayarla görü problemlerine uygular 9. Temel çok açılı geometri ve stereo kavramlarını tanımlar. |
Bilgisayarla Görüye giriş, İnsan görme sistemi, imge oluşumu, noktasal işlemler, imge genlik dönüşümleri, geometrik dönüşümler, aradeğerleme, uzamsal filtreleme, kenar ve köşe bulma, SIFT ve SURF öznitelikleri, Hough dönüşümü, imge bölütleme, Bayes Karar yöntemi, kamera modelleri, kamera kalibrasyonu, Hareket kestirimi, stereo |
Hafta | Konu | Ön Hazırlık | |
2) | uzamsal filtreleme, komşuluk işlemleri, kenar bulma | ||
3) | Öznitelik çıkarma: köşe bulma, Hough dönüşümü, ellipse yerleştirme, RANSAC, ilinti | ||
4) | Ölçekten bağımsız öznitelik dönüşümü, hıslandırılmış gürbüz öznitelikler | ||
5) | Morfolojik İmge İşleme | ||
6) | Bölütleme: uyarlamalı eşikleme, Otsu yöntemi, alan büyütme yöntemleri, aktif kenarlar | ||
7) | Tekrar, ara sınav | ||
8) | Örüntü Tanımaya Giriş, olasılık | ||
9) | Bayes Karar Teorisi | ||
10) | Bayesçi kestirim, PCA, kNN, SVM ile sınıflandırma | ||
11) | Kamera Modelleri, Kamera Kalibrasyonu | ||
12) | Stereo | ||
13) | Hareket Kestirimi | ||
14) | İzleme |
Ders Notları: | Computer Vision: A Modern Approach (2nd Edition), David A. Forsyth and Jean Ponce, Prentice Hall, 2011. Digital Image Processing, R.C. Gonzalez, R.E. Woods, Pearson Prentice Hall 2008. |
Diğer Kaynaklar: | Computer Vision, D. Ballard and C.M. Brown, Prentice Hall, online at: http://homepages.inf.ed.ac.uk/rbf/BOOKS/BANDB/bandb.htm |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | % 0 | |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | 4 | % 10 |
Sunum | % 0 | |
Projeler | 1 | % 25 |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 25 |
Ara Juri | % 0 | |
Final | 1 | % 40 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 35 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 65 | |
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 | 4 | 56 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 1 | 15 | 15 |
Ödevler | 4 | 20 | 80 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 1 | 3 | 3 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 1 | 3 | 3 |
Toplam İş Yükü | 199 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |