Skip to content

Methods of Computer Vision (MPV)

Credits: 6 ( Lectures: 3, Practical lessons: 2)
Semester: ZS
Ending: zp; zk
Guarantor: Železný Miloš
Lecturer: Železný Miloš Hrúz Marek
Practical lesson lecturer: Hlaváč Miroslav

Annotation

Syllabus

Týden

Obsah přednášky
1 Adaptivní ekvalizace histogramu, CLAHE, vyhlazování histogramu, non-maximum suppression, Otsuova metoda hledání automatického prahu
2 Harris Corner Detector, SIFT, SURF
3 KAZE, Non-linear diffusion filtering, ORB, MSER
4 Bag of Words, VLAD, AdaBoost, Decision Tree, Decision Forrest, Random Decision Forrest
6 Optický tok, Lukas-Kanade, Background Subtraction
7 Klasifikace, AdaBoost, SVM, SVM Kernel Trick, Rozhodovací strom, rozhodovací les, náhodný rozhodovací les
8 Deep Learning in computer vision I
9

Deep Learning in computer vision II

10 PCA, LDA, Active Shape Model, Active Appearance Model
11 Projekticní prostor, perpektivita, perpektivní transformace, vlastnosti perspektivity
12 Geometrie kamery, vnitřní a vnější parametry, fundamentální matice, epipolární geometrie, kalibrace kamery
13

Deep Learning in computer vision III - Image segmentation

Under Construction!

 Týden   Přednáška Materiály k přednášce Cvičení Materiály ke cvičení Ostatní
1 prezentace 01 materiál 01 cvičení 01 materiál 01 ostatní 01
2 prezentace 02 materiál 02 cvičení 02 materiál 02 ostatní 02
3 prezentace 03 materiál 03 cvičení 03 materiál 03 ostatní 03
4 prezentace 04 materiál 04 cvičení 04 materiál 04 ostatní 04
5 prezentace 05 materiál 05 cvičení 05 materiál 05 ostatní 05
6 prezentace 06 materiál 06 cvičení 06 materiál 06 ostatní 06
7 prezentace 07 materiál 07 cvičení 07 materiál 07 ostatní 07
8 prezentace 08 materiál 08 cvičení 08 materiál 08 ostatní 08
9 prezentace 09 materiál 09 cvičení 09 materiál 09 ostatní 09
10 prezentace 10 materiál 10 cvičení 10 materiál 10 ostatní 10
11 prezentace 11 materiál 11 cvičení 11 materiál 11 ostatní 11
12 prezentace 12 materiál 12 cvičení 12 materiál 12 ostatní 12
13 prezentace 13 materiál 13 cvičení 13 materiál 13 ostatní 13

 

 

 

 

 

 

 

 

 



Requirements

  • Zápočet:
  • Pro získání zápočtu bude nutné vypracovat několik menších semestrálních prací, které budou postupně zadávány na cvičeních.
  • Zápočet získá každý student, který získá >= 60% bodů ze semestrálních prací.
  • Zápočet typu A získá každý student, který získá >= 90% bodů ze semestrálních prací.
  • Hodnocení semestrálních prací - ZDE
  • Zkouška:
    • Na zkoušce si student losuje 3 otázky, na které odpovídá. V případě, že student má zápočet typu A, tak jednu zvolenou otázku vyřadí a odpovídá pouze na zbylé dvě.
    • Otázky ke zkoušce - ZDE


Literature

  • Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis, and Machine Vision, Third Edition, Thomson, 2008.

 



Files to download

Files .DOCX
otazky_2019.docx
Files .PDF
otazky_2019.pdf