Cyfrowe systemy wizyjne 0800-AR2CSWIZ

Systemy wizyjne stanowią jeden z najszybciej rozwijających się obszarów systemów technicznych i są stosowane w wielu obszarach nauki i techniki. Celem przedmiotu jest zapoznanie studentów z podstawowymi zagadnieniami systemów wizyjnych oraz przetwarzania i rozpoznawania obrazów cyfrowych. Materiał zostanie podzielony na następujące bloki tematyczne:
A. Wprowadzenie do systemów wizyjnych: czym są systemy wizyjne, czym jest przetwarzanie obrazów i ich rozpoznawanie, jakie są obszary zastosowań metod z tego zakresu, jaka jest specyfika poszczególnych obszarów zastosowań, jakie obrazy można w nich znaleźć, metody akwizycji obrazu, sensory wizyjne
B. Rodzaje systemów wizyjnych - omówienie różnych rodzajów systemów z uwzględnieniem ich cech charakterystycznych i specyfiki oraz narzędzi przetwarzania obrazów stosowanych w tych systemach. W szczególności omówione zostaną:
1. Systemy w biomedycynie
2. Systemy obserwacji lotniczej i satelitarnej
3. Systemy przemysłowe
4. Systemy nadzoru i bezpieczeństwa
5. Inne rodzaje systemów
Zajęcia składają się z wykładu oraz laboratorium. Laboratorium będzie składać się z części polegającej na realizacji eksperymentów zgodnie ze wskazówkami prowadzącego (zaliczenie przez dwa sprawdziany – zadania do samodzielnego wykonania) oraz niewielkiego projektu. Ćwiczenia i projekt będą wykonywane z wykorzystaniem środowiska MATLAB.
C. Przetwarzanie obrazów - metody umożliwiające modyfikacje treści obrazu, filtrację, poprawę jakości, zmianę parametrów geometrycznych itp.
1. Obraz cyfrowy
2. Punktowe metody przetwarzania obrazów
3. Kontekstowe metody przetwarzania obrazów
4. Geometryczne przekształcenia obrazów
D. Analiza i rozpoznawanie obrazów - metody wykrywania cech charakterystycznych obrazów oraz identyfikację treści obrazu na ich podstawie.
1. Wyznaczanie cech obrazów
2. Analiza cech
E. Uczenie maszynowe w systemach wizyjnych
1. Uczenie nadzorowane i nienadzorowane
2. Podstawy klasyfikacji: klasyfikatory k-NN, drzewa decyzyjne, probabilistyczne
3. Podstawy regresji, prosta regresja liniowa
4. Podstawy sieci neuronowych
5. Sieci splotowe
6. Detekcja obiektów na obrazach, segmentacja semantyczna

Całkowity nakład pracy studenta

Godziny realizowane z udziałem nauczycieli (70 godz.) : - udział w wykładach – 30 godz. - udział w laboratoriach – 30 godz. - konsultacje z nauczycielem akademickim- 10 godz. Czas poświęcony na pracę indywidualną studenta (65 godz.) : - przygotowanie do laboratoriów – 5 godz. - pisanie prac, projektów- 5 godz. - czytanie literatury- 15 godz. - przygotowanie do egzaminu- 20 godz. - przygotowanie do kolokwium - 20 godz. Łącznie: 135 godz. (5 ECTS)

Efekty uczenia się - wiedza

W1: ma wiedzę z zakresu metod przetwarzania i analizy obrazów w systemach wizyjnych - K_W01 W2: ma wiedzę z zakresu metod, technik, narzędzi i urządzeń z obszaru cyfrowych systemów wizyjnych - K_W02 W3: posiada wiedzę o przydatnych narzędziach oraz bibliotekach funkcji wykorzystywanych w systemach wizyjnych - K_W05 W4: ma pogłębioną i uporządkowaną wiedzę w zakresie zasad modelowania, konstruowania i analiz koniecznych w pracy inżynierskiej w zakresie systemów wizyjnych - K_W13

Efekty uczenia się - umiejętności

U1: potrafi wykorzystywać i dokonywać syntezy metod przetwarzania i analizy obrazów na potrzeby systemów wizyjnych - K_U02 U2: umie wykorzystywać i tworzyć algorytmy wizyjne w wybranych środowiskach programistycznych – K_U03 U3: potrafi wykorzystywać właściwe narzędzia programistyczne pozwalające na realizację projektów systemów wizyjnych – K_U05 U4: potrafi współdziałać z innymi osobami w ramach prac zespołowych i podejmować wiodącą rolę w zespołach, kierować pracą zespołu w obszarze systemów wizyjnych - K_U17

Efekty uczenia się - kompetencje społeczne

K1:odpowiedzialnie realizuje zadania w ramach zespołu projektowego - K_K02 K2: potrafi kreatywnie pracować w ramach zespołów projektowych K_K03

Metody dydaktyczne

Wykład, zajęcia laboratoryjne na podstawie dostarczonej instrukcji oraz realizacja zadania projektowego w zespołach

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)
- opowiadanie
- opis

Metody dydaktyczne poszukujące

- laboratoryjna
- ćwiczeniowa
- doświadczeń

Rodzaj przedmiotu

przedmiot fakultatywny

Wymagania wstępne

Podstawowa znajomość elementarnych zagadnień matematyki z obszarów rachunku macierzowego, rachunku prawdopodobieństwa, teoria mnogości, przekształceń całkowych (przekształcenie Fouriera), fizyki (fale elektromagnetyczne).

Koordynatorzy przedmiotu

Marcin Iwanowski

Kryteria oceniania

Metody oceniania:
egzamin - W01, W02, W03, W04
kolokwium- U01, U02, U03, U04
projekt - U01, U02, U03, U04, K01, K02
Kryteria oceniania:
Wykład: egzamin pisemny w formie testu (pytania zamknięte)
ndst - <20 pkt (<50%)
dst- 21-24 pkt (51-60%)
dst plus- 25-28 pkt (61-70%)
db- 29-32 pkt (71-80%)
db plus- 33-36 pkt (81-90%)
bdb- 36-40 pkt (91-100%)

Ćwiczenia i projekt: zaliczenie na ocenę na podstawie sumarycznej liczby punktów z części laboratoryjnej i projektowej
ndst - <50 pkt (<50%)
dst- 51-60 pkt (51-60%)
dst plus- 61-70 pkt (61-70%)
db- 71-80 pkt (71-80%)
db plus- 81-90 pkt (81-90%)
bdb- 91-100 pkt (91-100%)

Praktyki zawodowe

brak

Literatura

1. R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997.
2. R. C. Gonzales, R. E. Woods. Digital Image Processing, Prentice Hall Inc., 2007.
3. A. Geron Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow, Helion 2023

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 0800-AR2CSWIZ w USOSweb