Analiza i rozpoznawanie danych obrazowych
Informacje ogólne
Kod przedmiotu: | 1120-IN000-ISP-0702 |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Analiza i rozpoznawanie danych obrazowych |
Jednostka: | Wydział Matematyki i Nauk Informacyjnych |
Grupy: |
Przedmioty obieralne, Informatyka Przedmioty obieralne, wydz. MiNI PW |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Skrócony opis: |
Wymagania wstępne / przedmioty poprzedzające Umiejętność programowania w wybranym języku programowania (C++, C#, Python) lub w środowisku Matlab bądź R Cel przedmiotu Zapoznanie ze współczesną metodologią analizy i rozpoznawania danych obrazowych w różnych obszarach aplikacyjnych (dane satelitarne, medyczne, monitoring wideo, kontrola jakości). |
Pełny opis: |
Wykład: 1. Ekstrakcja cech i obiektów w obrazie. 2. Rozpoznawanie obiektów. 3. Klasyfikacja danych obrazowych. 4. Ukrywanie danych w obrazie, znakowanie wodne. 5. Analiza wideo: śledzenie i zliczanie obiektów. 6. Indeksowanie obrazów, deskryptory treści, standardy multimedialne. 7. Studium przypadków: prezentacja aplikacyjnego wykorzystanie kom-pleksowych metod rozpoznawania i analizy danych obrazowych w odnie-sieniu do wybranych problemów z różnych obszarów tematycznych (m.in. analizy i rozpoznawania danych satelitarnych, analizy i przetwarzania me-dycznych danych obrazowych w określonych problemach klinicznych, ana-liza i kontrola jakości w wizyjnych systemach przemysłowych). Słuchaczom zaprezentowane zostanie holistyczne podejście do rozwiązania omawianych problemów aplikacyjnych, poprzez zapoznanie ze specyfiką analizowanych danych, przedstawienie sposobów i kryteriów doboru metod analizy i rozpoznania oraz ewaluację i dyskusję wyników. Projekt: Zadanie projektowe (realizowane w kilkuosobowych zespołach) obejmować będzie rozwiązanie wybranego problemu analizy i rozpoznawania danych obrazowych. Weryfikowany będzie dobór i selekcja odpowiedniej me-todologii i narzędzi (algorytmy, biblioteki, itd.), implementacja własna w postaci aplikacyjnej lub w postaci opracowania rozszerzenia i integracji z istniejącymi środowiskami lub narzędziami do analizy i rozpoznawania da-nych oraz odpowiednia walidacja i ewaluacja wyników. Zespół przygotowuje także dokumentację i prezentację zaliczeniową. |
Literatura: |
1. M. Sonka, V. Hlavac, R. Boyle, Image processing, analysis, and machine vi-sion, Cengage Learning, 2014. 2. R.C. Gonzalez, R.E. Woods, Digital Image Processing (3rd Edition), Prentice Hall, 2008. 3. R. Tadeusiewicz, P. Kohorda, Komputerowa analiza i przetwarzanie obra-zów, FPT, Kraków, 1997. |
Metody i kryteria oceniania: |
Łączna liczba punktów do zdobycia wynosi 100, w tym 40 punktów przypada na zaliczenie treści wykładowych, a pozostała część dotyczy zaliczenia projektu. Ocena końcowa wyznaczana jest na podstawie łącznej sumy zdo-bytych punktów wg skali: 0-50 punktów – brak zaliczenia, 51-60 punktów – ocena 3, 61-70 punktów – ocena 3.5, 71-80 punktów – ocena 4, 81-90 punktów – ocena 4.5, 91-100 punktów – ocena 5. |
Właścicielem praw autorskich jest Politechnika Warszawska.