SNY har ordet

Intressant kurs med bra projektdel som bygger den del på multidimensionell signalanalys och bildsensorer. Tänk på att labbserien kan vara krävande.

Kursutvärderingar

Logga in för att läsa kursutväderingar

Innehåll

Beräkningsmetoder som ansluter till de olika tillämpningar som nämns under lärandemål ovan. För varje tillämpning introduceras flera standardmetoder och nödvändig matematik kompletteras. Alternativa metoder och liknande forskningsämnen berörs.

Mål

Efter kursen förväntas deltagarna kunna redogöra för problem och algoritmer som används inom följande datorseende- och bildbehandlingsuppgifter:

• följning av region i bild
• triangulering av stereobilder
• skattning av optiskt flöde
• detektering av olika bildegenskaper
• matchning av bildegenskaper
• struktur från rörelse och strålknippesjustering (bundle adjustment)
• generativa bildmodeller
• segmentering av bildregioner
• bildförbättring
• felsökning och visualisering 
  Dessa områden är relevanta för tillämpningarna 3D-rekonstruktion, skattning av kameraposition, objektdetektering, rörelseestimering, visualisering och kvalitetskontroll inom området 3D-seende, följning av objekt i bildsekvenser, vetenskaplig och industriell bildanalys.

 

Examinationsmoment

PRA4 - 3,0 HP
Skriftlig och muntlig presentation av projekt 2 (U, G)
PRA3 - 3,0 HP
Skriftlig och muntlig presentation av projekt 1 (U, G)
TEN1 - 3,0 HP
Skriftlig tentamen (U, 3, 4, 5)
KTR1 - 0,0 HP
Frivillig kontrollskrivning (U, G)
LAB1 - 3,0 HP
Laborationer (U, G)

Examination

Organisation

Kursen består av två delar som presenteras parallellt. Den ena, mer teoretiska, delen består av ett större antal föreläsningar och laborationer vilka presenterar och illustrerar grundläggande metoder inom datorseende. Denna del avslutas med en skriftlig examination. Den andra (praktiska) delen inleds med en introduktion till två tillämpade problemområden: 3D-rekonstruktion samt följning av objekt i bildsekvenser. Därefter sker fördjupningsarbeten i små projekt under handledning. Deltagarna delas in i mindre grupper som var och en genomför båda dessa praktiska projekt, vilka ska demonstrera ett flertal metoder från den teoretiska delen av kursen. Resultaten från varje projekt presenteras muntligt vid seminarier och dokumenteras i en rapport. Handledning av projekt ges bara under kursens gång. Projekten avslutas med en analys- och reflektion.

Litteratur

Böcker

• Richard Szeliski, (2011) Computer Vision: Algorithms and Applications Springer
  ISBN: 978-1-84882-935-0
  http://szeliski.org/Book/

Kompendier

• Klas Nordberg, Introduction to Representations and Estimation in Geometry
  ISY-kompendium

Övrigt

• Kompletterande material delas ut eller tillgängliggörs på kursens web-sida.

Relaterade profiler

Medicinsk bildanalys och visualisering BV - IMT

Rekommenderade förkunskaper

Sannolikhetslära, skattningsteori, minstakvadrat-metoden, partiella differentialekvationer, ramteori, 1D & 2D linjär systemteori (deterministisk och stokastisk). Från t.ex. Multidimensionell signalanalys: Projektiva rum, homogena representationer av 2D och 3D geometri, grundläggande kameraavbildning, kamerakalibrering och epipolärgeometri. Grundläggande bildbehandling: tröskelsättning, segmentering, kantdetektering. Användning av Python eller Matlab. Då halva kursen utgör projektarbete är även programmeringsvana att rekommendera.

Linjär algebra TATA24 - 8,0 HP - HT1 block 1, HT2 block 4 | HT1 block 4, HT2 block 4

Statistisk teori, grk TAMS24 - 4,0 HP - HT1 block 4

Påbyggnadskurser

Bilder och grafik, projektkurs, CDIO TSBB11 - 12,0 HP - HT1 block 4, HT2 block 4

Bildsensorer TSBB09 - 6,0 HP - HT2 block 4

Digital bildbehandling grundkurs TSBB08 - 6,0 HP - HT1 block 4

Medicinsk bildanalys TBMI02 - 6,0 HP - HT2 block 1

Kommentarer

Logga in för att kunna läsa och skriva kommentarer.