Předmět: Pokročilé metody analýzy obrazu

« Zpět
Název předmětu Pokročilé metody analýzy obrazu
Kód předmětu KMA/POBR
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia 1
Semestr Letní
Počet ECTS kreditů 4
Vyučovací jazyk Čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Trnečková Markéta, Mgr. Ph.D.
  • Machalová Monika, Ing.
Obsah předmětu
1. Rekapitulace základů analýzy obrazu 2. Reprezentace a popis obrazu 3. Textury a jejich analýza 4. Rekonstrukce obrazu 5. Optimalizace v obraze 6. Waveletová transformace 7. Pokročilé metody segmentace 8. Variační metody 9. Základy strojového učení, konvoluční neuronové sítě, hluboké neuronové sítě Výuka probíhá formou přednášek s využitím prezentací doplněných praktickými ukázkami. Cvičení jsou zaměřena na samostatnou i skupinovou práci studentů, kteří programují a analyzují obrazová data. Důraz je kladen na aktivní zapojení, praktické ověřování poznatků a průběžnou zpětnou vazbu.

Studijní aktivity a metody výuky
nespecifikováno
Výstupy z učení
Prohloubit znalosti v oblasti zpracování a analýzy obrazu se zaměřením na popis obrazu, segmentaci, rekonstrukci a moderní přístupy strojového učení.

Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
nespecifikováno
Zápočet ? aktivní účast na cvičeních, vypracování úkolů Zkouška ? ústní
Doporučená literatura
  • Gonzales, R. C., Woods, R. E. (2017). Digital Image Processing. Prentice Hall.
  • Hughes, J. F., van Dam, A., McGuire, M., Sklar, D. F., Foley, J. D., Feiner, S. K., Akeley, K. (2013). Computer Graphics: Principles and Practice. 3rd Edition; Pearson Education.
  • Lakshmanan, V., Görner, M., Gillard, R. (2021). Practical Machine Learning for Computer Vision. O'Reilly UK Ltd.
  • Mohit Sewak, Md. Rezaul Karim, Pradeep Pujari. (2018). Practical Convolutional Neural Networks. Birmingham Packt.
  • Szeliski, R. (2022). Computer Vision: Algorithms and Applications. 2nd ed. The University of Washington.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Aplikovaná matematika (2023) Kategorie: Matematické obory 1 Doporučený ročník:1, Doporučený semestr: Letní