Προχωρημένη υπολογιστική όραση

Πληροφορίες Μαθήματος
ΤίτλοςΠροχωρημένη υπολογιστική όραση / Computational Vision
ΚωδικόςDMCI101
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΧειμερινή
Υπεύθυνος/ηΙωάννης Πήτας
ΚοινόΝαι
ΚατάστασηΕνεργό
Course ID600016138

Πρόγραμμα Σπουδών: ΠΜΣ ΨΗΦΙΑΚΑ ΜΕΣΑ - ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ (2018 εως σημερα) ΜΦ

Εγγεγραμμένοι φοιτητές: 3
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πρόγραμμα Σπουδών: ΠΜΣ ΨΗΦΙΑΚΑ ΜΕΣΑ - ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΠΦ

Εγγεγραμμένοι φοιτητές: 12
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πληροφορίες Τάξης
ΤίτλοςΠροχωρημένη υπολογιστική όραση
Ακαδημαϊκό Έτος2021 – 2022
Περίοδος ΤάξηςΧειμερινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600200257
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
  • Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Βασικές γνώσεις μαθηματικών. Γνώσεις προγραμματισμού C/C++, ή Python, MATLAB. Ευχέρεια στην μελέτη επιστημονικής βιβλιογραφίας στα Αγγλικά.
Μαθησιακά Αποτελέσματα
α) Μαθησιακοί στόχοι: Εμπέδωση προχωρημένων εννοιών θεωρίας και τεχνολογίας στην υπολογιστική όραση. Καταγραφή οπτικής πληροφορίας. Μαθηματική μοντελοποίηση καταγραφής εικόνας. Εισαγωγή στην επεξεργασία και ανάλυση εικόνας. Βαθμονόμηση φωτογραφικής μηχανής. Στατική και δυναμική ανάλυση εικόνων στέρεο. Εξαγωγή πληροφορίας βάθους. Εντοπισμός αντικειμένων στο χώρο. Ανάλυση τριδιάστατης εικόνας. Γεωμετρία επιφανειών αντικειμένων. Τοπολογία αντικειμένων. Χαρακτηριστικά γνωρίσματα αντικειμένων. Αναγνώριση αντικειμένων. Ταίρασμα αντικειμένων. Περιγραφή αντικειμένων. Εφαρμογές στην ιατρική, ανάκτηση εικόνας, ρομποτική όραση. Εκτεταμένη έκθεση σε προγραμματισμό C/C++, MATLAB ή Python για υπολογιστική όραση. Εξοικείωση με προγραμματιστικά περιβάλλοντα και πακέτα, όπως MATLAB toolboxes και Adobe Premiere, Avid. β) Δεξιότητες: Θεμελίωση υποβάθρου για την περαιτέρω μελέτη προβλημάτων και εφαρμογών υπολογιστικής όρασης. Όξυνση αναλυτικών και προγραμματιστικών δεξιοτήτων. Ικανότητα ανάπτυξης βασικών εφαρμογών υπολογιστικής όρασης με χρήση με χρήση C/C++, MATLAB, Python.
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Εργασία σε διεθνές περιβάλλον
  • Εργασία σε διεπιστημονικό περιβάλλον
  • Παραγωγή νέων ερευνητικών ιδεών
  • Σχεδιασμός και διαχείριση έργων
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Καταγραφή οπτικής πληροφορίας. Μαθηματική μοντελοποίηση καταγραφής εικόνας. Εισαγωγή στην επεξεργασία και ανάλυση εικόνας. Βαθμονόμηση φωτογραφικής μηχανής. Στατική και δυναμική ανάλυση εικόνων στέρεο. Εξαγωγή πληροφορίας βάθους. Εντοπισμός αντικειμένων στο χώρο. Ανάλυση τριδιάστατης εικόνας. Γεωμετρία επιφανειών αντικειμένων. Τοπολογία αντικειμένων. Χαρακτηριστικά γνωρίσματα αντικειμένων. Αναγνώριση αντικειμένων. Ταίρασμα αντικειμένων. Περιγραφή αντικειμένων. Εφαρμογές στην ιατρική, ανάκτηση εικόνας, ρομποτική όραση.
Λέξεις Κλειδιά
Προχωρημένη Υπολογιστική Όραση
Τύποι Εκπαιδευτικού Υλικού
  • Σημειώσεις
  • Διαφάνειες
  • Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις80
Μελέτη και ανάλυση βιβλίων και άρθρων15
Εκπόνηση μελέτης (project)20
Συγγραφή εργασίας / εργασιών15
Εξετάσεις20
Σύνολο150
Αξιολόγηση Φοιτητών
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Εκτεταμένης Απάντησης (Διαμορφωτική, Συμπερασματική)
  • Γραπτή Εργασία (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
N. Nikolaidis and I. Pitas, 3D Image Processing Algorithms, J. Wiley, 2000. R.Szelinski, “ Computer Vision ” , Springer 2011 Hartley R, Zisserman A. , “ Multiple view geometry in computer vision” . Cambridge university press; 2003. Davies, E. Roy. “Computer vision: principles, algorithms, applications, learning ”. Academic Press, 2017 Trucco, Emanuele, and Alessandro Verri. Introductory techniques for 3-D computer vision. Vol.201. Englewood Cliffs: Prentice Hall, 1998.
Τελευταία Επικαιροποίηση
19-01-2024