TSBB17 |
Visuell detektion och igenkänning, 6 hp
/Visual Object Recognition and Detection/
För:
D
IT
U
Y
|
|
Prel. schemalagd
tid: 48
Rek. självstudietid: 112
|
|
Utbildningsområde: Teknik
Huvudområde: Datateknik Nivå (G1,G2,A): A
|
|
Mål:
IUAE-matris
Efter kursen ska studenten kunna:
- Känna till grundläggande termer, teori för igenkänning och detektion av objekt i bilder
- Förstå moderna tillvägagångssätt för objektigenkänning och detektion, och kunna analysera styrkor och svagheter hos metoderna.
- Utveckla och experimentellt utvärdera olika igenkännings och detektionsalgortimer och sammanfatta resultaten.
- Välja lämpliga metoder för automatisk träning av detektions/igenkänningssystem
- Förstå grundläggande teorier om hur hjärnan bearbetar visuell information för att känna igen och upptäcka objekt.
|
|
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan) Grundläggande bildbehandling: tröskling, segmentering, kantdetektion från till exempel signaler och system. Användning av Matlab. Sannolikhetsteori och statistik.
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
|
Organisation: Kursen består av två delar som presenteras parallellt. En teoretisk del som baseras på ett antal föreläsningar som går igenom och illustrerar grundläggande metoder för visuell igenkänning och detektion. Denna del examineras med en skriven tenta. Den andra delen är mer praktisk och börjar med en introduktion till två projekt: Ett inom objektigenkänning och ett inom objektdetektion. Projekten utförs av kursdeltagarna i mindre grupper. Projekten demonstrerar praktiskt en del av teorin från den teoretiska delen av kursen. Resultaten av projekten presenteras muntligt i seminarier och dokumenteras med rapporter. Handledning för projekten ges endast under terminstid. Varje projekt avslutas med en analys och reflektion av arbetet.
|
|
Kursinnehåll: Invarianta lokala särdrag och särdragsextraktion i digitala bilder, bag-of-features ramverk, principer för objektigenkänning och detektion, lokala spatiella begränsningar, introduktion till faltande neuronät, SVM inlärning, formdeskriptorer och matchning, delbaserade modeller för igenkänning, kontextens roll i igenkänning, överblick över objektigenkänning i biologiska system och djupa särdrag.
|
|
Kurslitteratur: Det finns ingen specifik lärobok för kursen. Material kommer delas ut eller göras tillgängligt på kursens hemsida. Det mesta av inehållet kommer från vetenskapliga publikationer som läses under kursens gång.
Steve Palmers Vision Science, Richard Szeliskis Computer vision: algorithms and applications och Forsyth och Ponces Computer vision: A Modern Approach inehåller material relaterat till kursen.
|
|
Examination: |
TEN1
PRA1
|
Skriftlig tentamen (U,3,4,5) Skriftlig och muntlig presentation av projekt (U,G) |
3 hp 3 hp
|
|
|
|