Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod

---

B4M33MPV	Metody počítačového vidění
Role:	PS, PV, PO	Rozsah výuky:	2P+2C
Katedra:	13133	Jazyk výuky:	CS
Garanti:	Matas J.	Zakončení:	Z,ZK
Přednášející:	Čech J., Matas J., Mishkin D., Tolias G.	Kreditů:	6
Cvičící:	Osob je mnoho	Semestr:	L

Webová stránka:

https://cw.fel.cvut.cz/wiki/courses/mpv/start

Anotace:

Předmět se zabývá vybranými problémy počítačového vidění: hledáním korespondencí mezi obrazy pomocí nalezení významných bodů a oblastí, jejich invariantního a robustního popisu a matchingu, dále slepováním obrazů, detekcí, rozpoznáváním objektů v obrazech a ve videu, vyhledáváním obrázků ve velkých databázích a sledováním objektů ve video-sekvencích. Tento předmět je také součástí meziuniverzitního programu prg.ai Minor. Ten spojuje to nejlepší z výuky AI v Praze s cílem poskytnout studujícím hlubší a širší vhled do oboru umělé inteligence. Více informací je k dispozici na webu https://prg.ai/minor.

Cíle studia:

Jsou vysvětleny metody pro registraci obrazů, vyhledávání ve velkých databázích a sledování. Na cvičeních studenti vybrané metody implementují a ověřují jejich funkci na datech z reálných problémů.

Osnovy přednášek:

1.		Úvod. Mapa předmětu. Přehled problémů a jejich aplikace.
2.		Detekce bodů a oblasti zájmu: Harrisův operátor (detektor rohů), Laplacův operátor a jeho aproximace rozdílem Gaussiánů, maximálně stabilní extremální oblasti (MSER).
3.		Deskriptory oblasti zájmu: SIFT (scale invariant feature transform), LBP (local binary patterns). Metoda lokálních afinních rámců pro zajištění geometrické invariance popisu.
4.		Hledání korespondenci a rozpoznávání objektů pomoci lokálního invariantního popisu.
5.		RANSAC, registrace obrazů.
6.		Image Retrieval I: Vyhledávání ve velkých obrazových databázích: popisy obrazů
7.		Image Retrieval II: Vyhledávání ve velkých obrazových databázích: indexace, geometrická konzistence
8.		Detekce objektů pomocí "scanning window" (Viola-Jones metody)

POPISU.

9.		Detekce geometrických primitiv (přímek, kružnic, elips, atd.). Houghova transfromace a její porovnání s RANSACem (Random Sample and Consensus).
10.		Detekce objektů pomocí hlubokých neuronových sítí.
11.		Sledování objektů (tracking) I. KLT tracker, sledování Harrisových bodů pomocí korelace.
12.		Sledování objektů (tracking) II. Metoda Mean-shift, kondenzace.
13.		Sledování objektů (tracking) III. Pokročilé metody.
14.		Rezerva

Osnovy cvičení:

1.	-	5.  Slepování obrazu (image stitching).
6.	-	9.  Segmentace a impainting ("přemalování" objektu v obraze na pozadí bez viditelných stop)
7.	-	12.  Detekce objektu pomocí metody klouzajícího okna
13.		14. Ověřování výsledků, úpravy algoritmů, odevzdávání úloh.

Literatura:

M.		Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis and Machine Vision. Thomson 2007
D.		A. Forsyth, J. Ponce. Computer Vision: A Modern Approach. Prentice Hall 2003

Požadavky:

Znalost matematické analýzy a algebry.

Poznámka:

URL:https://cw.fel.cvut.cz/wiki/courses/mpv/start

Klíčová slova:

registrace obrazů, detekce objektů, sledování

Předmět je zahrnut do těchto studijních plánů:

Plán	Obor	Role	Dop. semestr
MPBIO2_2018	Lékařská technika	PV	2
MPOI5_2018	Počítačové vidění a digitální obraz	PO	2
MPBIO3_2018	Zpracování obrazu	PS	2
MPBIO1_2018	Bioinformatika	PV	2
MPBIO4_2018	Zpracování signálů	PV	2
MPKYR_2021	Před zařazením do oboru	PV	2

---

Stránka vytvořena 7.12.2025 17:51:23, semestry: L/2024-5, Z,L/2025-6, Z,L/2026-7, připomínky k informační náplni zasílejte správci studijních plánů

Návrh a realizace: I. Halaška (K336), J. Novák (K336)