Skip to content

Computer Vision (ZDO)

Credits: 6 ( Lectures: 3, Practical lessons: 2)
Semester: LS
Ending: zp; zk
Guarantor: Železný Miloš
Lecturer: Železný Miloš Krňoul Zdeněk
Practical lesson lecturer: Jiřík Miroslav, Neduchal Petr, Gruber Ivan

Annotation

HW: principles of TV signal digitalization. Overview of sensors, DIP system elements, TV camera types, input video amplifier, synchronization circuits, A/D converters for image digitalization. Image memories, speed and capacity demands, activity controller. Devices for displaying and interactive communication, modern graphic systems, image processors. SW: perception principles, mathematical and statistical characteristics, image models, topology and geometry in images, image enhancement and segmentation. Brightness level histogram, thresholding, neighbourliness matrix, line detection, skeletization, discrete image transformations, methods of image filtration. Image description and analysis, recognition, applications.

Syllabus

Přednášející : Doc. Ing. Miloš Železný Ph.D.

Odkaz prezentace z přednášky:

 24.3.17

Segmentace I- Úvod, prahování

31.3.17

Segmentace II - Další metody segmentace

 7.4.17

Popisy I - Úvod

21.4.17

Popisy II a III - Další přístupy popisů oblastíStatistické popisy tvaru a vzhledu

28.4.17

Klasifikace - Přehled klasifikačních metod, CNN

5.5.17

Analýza pohybu - Úvod, přehled metod


Odkazy na cvičení

1 First lab, rozděleni do skupin, bezpečnost
2 Introduction into computer vision (Python) , Colors (Python)     Matlab version
3 Intensity Transfomration, Geometric Transformation (Python)    (Matlab version)
4 Filtration and edge detection (python)Precise edge localization,  (Matlab version)
5

Frequency analysis (Python) (Matlab version)

6 Morphological operation (Python)        ( Matlab version)
7 Image Segmentation (Python)      (Matlab version)  
8 Object description (Python)       ( Matlab version )
9 Classification (Python)         (Matlab version Classification + motion analysis)
10 Hough transform (Python)         ( Houghtransform and 3D vision in Matlab )
11

3D Vision (Python)  staré verze ( Geometry 3D vision in Matlab ) - alternativa PPT

12

Neural networks


průběžné výsledky zde



Requirements

VYBRÁNÍ SEMESTRÁLNÍ PRÁCE do 22.3.

ODEVZDAT NÁVRH SEMESTRÁLNÍ PRÁCE do 26.4. do 23:59, nejlépe elektronicky na email grubiv(at)kky.zcu.cz a mjirik(at)kky.zcu.cz

ODEVZDÁNÍ SEMESTRÁLNÍ PRÁCE do 31.5. do 23:59

Každý den zpoždění s odevzdánim je penalizovan ztrátou 3 bodu. Po dohodě se může termín odevzdání posunout, automaticky je strženo 18 bodů.

Oprava práce bude provedena do 30.6. výsledky budou zveřejněny na webu.

 

Semestralni práce

Zadani 2019

Zadani 2018

Zadani 2017

Zadani 2016

Zadani 2015 

Bodové hodnocení semestrální práce

Návrh (dokument "pro zadavatele" včetně všech omezení) 10 bod

Závěrečná zpráva (dokumentace, hodnocení) 15 body

Funkčnost programu 40 bodů

 

Pro udělení zápočtu:

Získat alespoň 60 bodů během semestru a alespoň 60% bodů (v součtu) ze tří průběžných testů.

Celkem lze ziskat 100 bodů (35 bodů aktivita+písemné práce, 65 bodů sem. práce). Hodnocení ze semestru se promítne do zkoušky. Pokud nemůžete chodit na cvičeni lze se dohodnout na individuálním přístupu.

Hodnocení semestru:

0 - 59 bodů = C

60 - 79 bodů = B

80 - 100 bodů = A

 

C znamená, že student nesplnil požadavky na zápočet. B, A znamená splněno, resp. splněno na výbornou.

Zkouška

Ústní zkouška z přednášeného materiálu. Studenti ohodnoceni za semestr jako B si losují 3 otázky, které po možné přípravě zodpoví. Studenti ohodnoceni jako A odpovídají pouze na 2 z 3 vylosovaných otázek.




Text

 

Další aktivity pro studenty ZDO v oblasti zpracování digitalizovaného obrazu:



Files to download

Files .M
evaluaceKarty2012.m
karty2012.m
Files .PDF
ZDO_aktual_130215.pdf
Files .TXT
zdo_fourier.txt
Files .ZIP
markanoid.zip