Warsaw University of Technology - Central Authentication SystemYou are not logged in | log in
course directory - help

Image Recognition

General data

Course ID: 103B-INxxx-MSP-ROB Erasmus code / ISCED: (unknown) / (unknown)
Course title: Image Recognition Name in Polish: Rozpoznawanie obrazów
Department: The Faculty of Electronics and Information Technology
Course groups: ( Advanced Courses )--M.Sc.-EITI
( Advanced Courses )-Computer Information System Engineering-M.Sc.-EITI
( Advanced Courses )-Computer Science-Ph.D.-EITI
( Technical Courses )---EITI
ECTS credit allocation (and other scores): 5.00
Language: Polish
(in Polish) Jednostka decyzyjna:

(in Polish) 103000 - Wydział Elektroniki i Technik Informacyjnych

(in Polish) Kod wydziałowy:

(in Polish) ROB

(in Polish) Numer wersji:

(in Polish) 2

Short description:

The aim of the lecture is to present pattern recognition issues. Particularly general classification of pattern recognition approaches together with selected pattern recognition methods and techniques will be presented. Also issues concerning data acquisition, image segmentation and pattern dimensionality reduction will be discussed. Examples of applications of the discussed methods in recognition systems (together with project realized during the course) will allow listeners to analyze practical aspects of pattern recognition.

Full description: (in Polish)

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

Bibliography: (in Polish)

  • 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)

Assessment methods and assessment criteria: (in Polish)

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).

Classes in period "Summer Semester 2019/2020" (in progress)

Time span: 2020-02-22 - 2020-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 48 places more information
lectures, 30 hours, 48 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek, Zbigniew Szymański
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2018/2019" (past)

Time span: 2019-02-18 - 2019-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 48 places more information
lectures, 30 hours, 48 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek, Zbigniew Szymański
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2017/2018" (past)

Time span: 2018-02-19 - 2018-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 48 places more information
lectures, 30 hours, 48 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek, Zbigniew Szymański
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Winter Semester 2017/2018" (past)

Time span: 2017-10-01 - 2018-02-18
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 24 places more information
lectures, 30 hours, 24 places more information
Coordinators: Rajmund Kożuszek
Group instructors: (unknown)
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2016/2017" (past)

Time span: 2017-02-20 - 2017-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 64 places more information
lectures, 30 hours, 64 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2015/2016" (past)

Time span: 2016-02-23 - 2016-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 44 places more information
lectures, 30 hours, 44 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2014/2015" (past)

Time span: 2015-02-23 - 2015-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 24 places more information
lectures, 30 hours, 24 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2013/2014" (past)

Time span: 2014-02-24 - 2014-09-28
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 28 places more information
lectures, 30 hours, 28 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Summer Semester 2012/2013" (past)

Time span: 2013-02-20 - 2013-09-30
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 48 places more information
lectures, 30 hours, 48 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Classes in period "Winter Semester 2012/2013" (past)

Time span: 2012-10-01 - 2013-02-19
Choosen plan division:


magnify
see course schedule
Type of class: laboratory, 30 hours, 60 places more information
lectures, 30 hours, 60 places more information
Coordinators: Rajmund Kożuszek
Group instructors: Rajmund Kożuszek
Students list: (inaccessible to you)
Examination: Overall grade
(in Polish) Jednostka realizująca:

(in Polish) 103200 - Instytut Informatyki

Course descriptions are protected by copyright.
Copyright by Warsaw University of Technology.