Όραση υπολογιστών, μηχανική μάθηση και τρισδιάστατος χώρος
| Τίτλος | Όραση υπολογιστών, μηχανική μάθηση και τρισδιάστατος χώρος / Computer vision, machine learning and 3D space |
| Κωδικός | 07YB044 |
| Σχολή | Πολυτεχνική |
| Τμήμα | Αγρονόμων και Τοπογράφων Μηχανικών |
| Κύκλος / Επίπεδο | 1ος / Προπτυχιακό, 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή/Εαρινή |
| Υπεύθυνος/η | Απόστολος Αξενόπουλος |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600025763 |
Πρόγραμμα Σπουδών: ΠΠΣ Τμήματος Αγρονόμων και Τοπογράφων Μηχανικών (2025-σήμερα)
Εγγεγραμμένοι φοιτητές: 67
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| Βασικός κύκλος σπουδών | Υποχρεωτικό Κορμού | 7 | 4 | 5 |
| Τίτλος | Όραση υπολογιστών, μηχανική μάθηση και τρισδιάστατος χώρος |
| Ακαδημαϊκό Έτος | 2025 – 2026 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Ώρες Εβδομαδιαία | 6 |
| Class ID | 600267828
|
Τύπος Μαθήματος
Ειδικού Υποβάθρου
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600267828
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές
προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
- Αγγλικά (Εξέταση)
Μαθησιακά Αποτελέσματα
Με τις διαλέξεις, στόχος είναι οι φοιτητές να κατανοήσουν σε βάθος τις μεθόδους και αλγορίθμους της Όρασης Υπολογιστών (Computer Vision) που αξιοποιούν σήμερα η Φωτογραμμετρία και η Τηλεπισκόπηση. Θα μπορούν να περιγράψουν και να συγκρίνουν τους αλγόριθμους και τεχνικές αραιής και πυκνής συνταύτισης εικόνων (sparse / dense matching), τους αλγόριθμους SFM (Structure From Motion), τους αλγόριθμους SLAM (Simultaneous Localization and Mapping) και τα πεδία εφαρμογής τους. Τα εργαστήρια, τα οποία συνοδεύουν το μάθημα έχουν στόχο την εξοικείωση με τη γλώσσα Python και τη βιβλιοθήκη OpenCV για την επίλυση των σχετικών προβλημάτων αυτόματης 3Δ ανακατασκευής, SLAM και γενικά θεμάτων υπολογιστικής όρασης που θα αξιοποιηθούν στη συνέχεια σε προβλήματα Φωτογραμμετρίας και Τηλεπισκόπησης.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Περιεχόμενο Μαθήματος
Δημιουργία 3D μοντέλου από πολλαπλές εικόνες (Structure for Motion - SFM). Συγκρίσεις αλγορίθμων SFM. Παραγωγή πυκνού νέφους από συσχέτιση εικόνων (Dense point matching). 3D ανακατασκευή (reconstruction). Αλγόριθμοι ταυτόχρονου προσδιορισμού θέσης και αποτύπωσης (Simultaneous Localization and Mapping - SLAM). Επεξεργασία Video για δημιουργία 3D Μοντέλου. Αναγνώριση προτύπων και μηχανική μάθηση (Pattern recognition and machine learning). Τεχνητή νοημοσύνη (Artificial Intelligence). Ταξινόμηση και κατάτμηση εικόνας (classification, segmentation). Python/OpenCV στην επεξεργασία ψηφιακών εικόνων. Εργαστήρια.
Λέξεις Κλειδιά
Υπολογιστική Όραση, Μηχανική Μάθηση, Τεχνητή Νοημοσύνη
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Βιντεοδιαλέξεις
- Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 52 | ||||
| Εργαστηριακή Άσκηση | 30 | ||||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 18 | ||||
| Συγγραφή εργασίας / εργασιών | 20 | ||||
| Εξετάσεις | 5 | ||||
| Σύνολο | 125 |
Αξιολόγηση Φοιτητών
Περιγραφή
Γραπτή εξέταση (θεωρία). Βαρύτητα 70%
Προφορική εξέταση (εργαστηριακή άσκηση - εργασία). Βαρύτητα 30%
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Συμπερασματική)
- Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Συμπερασματική)
- Γραπτή Εξέταση με Ερωτήσεις Εκτεταμένης Απάντησης (Συμπερασματική)
- Γραπτή Εργασία (Διαμορφωτική)
- Προφορική Εξέταση (Συμπερασματική)
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Συμπερασματική)
- Εργαστηριακή Εργασία (Διαμορφωτική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Λυκοθανάσης, Σ., & Κουτσομητρόπουλος, Δ. (2023). Υπολογιστική
νοημοσύνη και βαθιά μάθηση [Προπτυχιακό εγχειρίδιο]. Κάλλιπος, Ανοικτές Ακαδημαϊκές Εκδόσεις.
http://dx.doi.org/10.57713/kallipos-168
Επιπρόσθετη βιβλιογραφία για μελέτη
Richard Szeliski, Computer Vision, Algorithms and Applications, 2nd ed. 2022, Springer https://szeliski.org/Book/
Τελευταία Επικαιροποίηση
21-11-2024
