Politechnika Warszawska - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Rozpoznawanie obrazów

Informacje ogólne

Kod przedmiotu: 103B-INxxx-MSP-ROB Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Rozpoznawanie obrazów
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Przedmioty techniczne )---EITI
( Przedmioty zaawansowane )-Informatyka-dr.-EITI
( Przedmioty zaawansowane )-Inżynieria systemów informatycznych-mgr.-EITI
( Przedmioty zaawansowane techniczne )--mgr.-EITI
Punkty ECTS i inne: 5.00
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

ROB

Numer wersji:

2

Skrócony opis:

Celem wykładu jest zapoznanie słuchaczy z zagadnieniem rozpoznawania obrazów. W szczególności zostaną omówione: ogólna klasyfikacja systemów rozpoznawania obrazu, wybrane metody i techniki rozpoznawania obrazu oraz zagadnienia związane ze zbieraniem danych, segmentacją obrazu i redukcją wymiarowości wzorców. Przedstawione przykłady zastosowań omawianych metod w systemach rozpoznawania (wraz z ćwiczeniami laboratoryjnymi) pozwolą słuchaczom na analizę praktycznych aspektów rozpoznawania obrazów.

Pełny opis:

Celem wykładu jest zapoznanie słuchaczy z zagadnieniem rozpoznawania obrazów. W szczególności zostaną omówione: ogólna klasyfikacja systemów rozpoznawania obrazu, wybrane metody i techniki rozpoznawania obrazu oraz zagadnienia związane ze zbieraniem danych, segmentacją obrazu i redukcją wymiarowości wzorców. Przedstawione przykłady zastosowań omawianych metod w systemach rozpoznawania (wraz z ćwiczeniami laboratoryjnymi) pozwolą słuchaczom na analizę praktycznych aspektów rozpoznawania obrazów.

Treść wykładu
Wprowadzenie: elementy składowe systemu rozpoznawania obrazów; cykl projektowy tworzenia klasyfikatora; metody oceny jakości klasyfikatorów i systemów klasyfikacji.

Klasyfikacja optymalna Bayesa: rola informacji a priori; postaci funkcji gęstości prawdopodobieństwa; klasyfikator optymalny Bayesa; uwzględnianie ryzyka i strat przy konstruowaniu klasyfikatora; granice decyzyjne klasyfikatorów; zgodność rozkładu danych z przyjętym rozkładem teoretycznym.

Metody najbliższego sąsiedztwa: dopasowanie szablonów; klasyfikatory najmniejszej odległości; metryki; klasyfikatory
k-NN; metody wyszukiwania najbliższego sąsiada; przyspieszanie wyszukiwania najbliższego sąsiada; edycja i redukcja zbioru uczącego.

Klasyfikatory liniowe: liniowe funkcje decyzyjne; przestrzeń
jednorodna; wyznaczanie granicy decyzyjnej: metoda wektorów nośnych;
algorytm sekwencyjnej optymalizacji minimalnej.

Redukcja wymiarowości: analiza składowych głównych;
liniowa klasyfikacja Fishera; wielowymiarowa analiza dyskryminacyjna (MDA).

Grupowanie: problem grupowania; ocena podobieństwa grupowania;
algorytmy klasy k-średnich; grupowanie wstępujące; algorytmy grafowe; grupowanie na podstawie gęstości (DBSCAN).

Sieci neuronowe: podstawowy model neuronu; algorytmy uczenia
pojedynczego neuronu; interpretacja działania pojedynczego neuronu;
sieci neuronowe; algorytm wstecznej propagacji błędu; sieci ze sprzężeniami zwrotnymi; pamięci asocjacyjne; pamięć Hopfielda; sieci samoorganizujące Kohonena; sieci typu ART.

Modele Markowa: dyskretne procesy Markowa; ukryty proces Markowa; algorytm Viterbiego; algorytm Bauma-Welsha
wyznaczania parametrów układu Markowa; problemy wykorzystania modeli
Markowa w klasyfikacji.

Wyszukiwanie tekstu: problem dokładnego i przybliżonego wyszukiwania tekstu; algorytm Boyera-Moora; odległość edycyjna; analiza tekstu z wykorzystaniem automatów niedeterministycznych i deterministycznych; drzewo i tablica przyrostków; algorytm Ukkonena konstruowania drzewa przyrostków; przybliżone wyszukiwanie z drzewem przyrostków; generowanie sąsiedztwa dla wyszukiwania z błędami; funkcje
mieszające do szybkiego wyszukiwania.

Drzewa decyzyjne: konstruowanie drzew decyzyjnych: podstawowy algorytm CART; ocena niejednorodności węzłów drzewa; kryteria stopu przy generowaniu drzewa; efekt horyzontu; algorytmy przycinania drzewa.

Poprawa jakości klasyfikacji: podstawowe problemy konstruowania metaklasyfikatorów; głosowanie większościowe; kwestia niezależności klasyfikatorów; głosowanie z wagami; wyznaczanie wag; Bayesowskie metody składanie wyników klasyfikatorów; przestrzeń zachowanie-wiedza
(Behavior-Knowledge space); metody konstruowania klasyfikatorów słabych
(algorytm AdaBoost); korzystanie z informacji kontekstowej w klasyfikacji; kontekst w systemach OCR; wykorzystanie
słowników i trigramów.


Przewidziane są dwa jednogodzinne kolokwia sprawdzające.


Zakres laboratorium
Celem laboratorium jest pogłębienie zdobytej wiedzy i jej zastosowanie w praktycznych problemach rozpoznawania obrazów.

Tematyka ćwiczeń

  1. Klasyfikacja najbliższego sąsiedztwa (ćwiczenie rozruchowe -
    zapoznanie ze środowiskiem Octave).

  2. Klasyfikacja Bayesa z rozkładem normalnym i przybliżeniem
    rozkładu gęstości prawdopodobieństwa oknem Parzena.

  3. Redukcja wymiarowości przy użyciu metody składowych głównych
    (PCA), metody doboru wektora cech.

  4. Grupowanie danych - wybór metody grupowania. Ocena jakości
    grupowania w metodzie "klasyfikacji przez grupowanie".

  5. Sztuczne sieci neuronowe - algorytm propagacji wstecznej błędu w
    wersji podstawowej.

  6. Przybliżone wyszukiwanie tekstu: stworzenie indeksu do szybkiego
    wyszukiwania z błędami na niewielkim tekście.

  7. Rozpoznawanie formularzy - projekt rozpoznawania formularza w
    systemie FormAnalyzer.


Poprzedniki
Typ poprzednikaNr poprzednikaKod poprzednikaNazwa poprzednika
Zalecany1103B-INIIT-ISP-POBRPrzetwarzanie cyfrowe obrazów
Zalecany1103C-INxxx-MSP-POBRPrzetwarzanie cyfrowe obrazów


Przedmioty podobne
Kod przedmiotuNazwa przedmiotuDyskonto ECTS
103C-CSCSN-MSA-EPARTPattern Recognition4
103B-CSCSN-MSA-EPARTPattern Recognition4
103A-CSCSN-MSA-EPARTPattern Recognition4

Literatura:

  • Duda R.O., Hart P.E., Stork D.G., Pattern Classification,
    Wiley-Interscience, 2000

  • Stąpor K., Automatyczna klasyfikacja obiektów, Exit, Warszawa 2005

  • Jain A. K., Fundamentals of Digital Image Processing,
    Prentice-Hall International Editions, Engelwood Hills, 1989

  • Tadeusiewicz R., Korohoda P., Komputerowa analiza i przetwarzanie
    obrazów
    , Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997

  • Press W. H., Numerical Recipes in C, Cambridge University Press,
    Cambridge 1992 (http://www.nr.com)

  • Tadeusiewicz R., Flasiński M., Rozpoznawanie obrazów, WNT,
    Warszawa 1991 (http://winntbg.bg.agh.edu.pl/skrypty/0005/main.html)

Metody i kryteria oceniania:

Do zaliczenia przedmiotu jest wymagane zaliczenie:


  • części teoretycznej - uzyskanie minimum 32 punktów (z 64
    możliwych).


Do napisania są dwa kolokwia, po 6-ym i 13-ym wykładzie obejmujące
odpowiednio tematykę wykładów 1-6 i 8-13. Na kolokwiach można korzystać
z notatek i innych materiałów.


  • części praktycznej - uzyskanie minimum 18 punktów (z 36
    możliwych).


Oceniane są rozwiązania 4 zadań praktycznych. Jednego zadania można nie
realizować.

Ocena z przedmiotu jest wystawiana w standardowej skali od progu 51
(ocena 3) do progu 91 (ocena 5).

Zajęcia w cyklu "rok akademicki 2019/2020 - sem. letni" (jeszcze nie rozpoczęty)

Okres: 2020-02-22 - 2020-09-30

Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 48 miejsc więcej informacji
Wykład, 30 godzin, 48 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek, Zbigniew Szymański
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2018/2019 - sem. letni" (zakończony)

Okres: 2019-02-18 - 2019-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 48 miejsc więcej informacji
Wykład, 30 godzin, 48 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek, Zbigniew Szymański
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2017/2018 - sem. letni" (zakończony)

Okres: 2018-02-19 - 2018-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 48 miejsc więcej informacji
Wykład, 30 godzin, 48 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek, Zbigniew Szymański
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2017/2018 - sem. zimowy" (zakończony)

Okres: 2017-10-01 - 2018-02-18
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 24 miejsc więcej informacji
Wykład, 30 godzin, 24 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2016/2017 - sem. letni" (zakończony)

Okres: 2017-02-20 - 2017-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 64 miejsc więcej informacji
Wykład, 30 godzin, 64 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2015/2016 - sem. letni" (zakończony)

Okres: 2016-02-23 - 2016-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 44 miejsc więcej informacji
Wykład, 30 godzin, 44 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2014/2015 - sem. letni" (zakończony)

Okres: 2015-02-23 - 2015-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 24 miejsc więcej informacji
Wykład, 30 godzin, 24 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2013/2014 - sem. letni" (zakończony)

Okres: 2014-02-24 - 2014-09-28
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 28 miejsc więcej informacji
Wykład, 30 godzin, 28 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2012/2013 - sem. letni" (zakończony)

Okres: 2013-02-20 - 2013-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 48 miejsc więcej informacji
Wykład, 30 godzin, 48 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2012/2013 - sem. zimowy" (zakończony)

Okres: 2012-10-01 - 2013-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 60 miejsc więcej informacji
Wykład, 30 godzin, 60 miejsc więcej informacji
Koordynatorzy: Rajmund Kożuszek
Prowadzący grup: Rajmund Kożuszek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.