25.08.2013 Views

Wersja pełna [11,39 MB] - Wydział Elektroniki, Telekomunikacji i ...

Wersja pełna [11,39 MB] - Wydział Elektroniki, Telekomunikacji i ...

Wersja pełna [11,39 MB] - Wydział Elektroniki, Telekomunikacji i ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Nazwa przedmiotu Widzenie komputerowe<br />

Skrót nazwy WIK<br />

KARTA PRZEDMIOTU<br />

Kierunek:<br />

Elektronika i telekomunikacja Automatyka i robotyka Informatyka<br />

X<br />

Osoba odpowiedzialna za treść przedmiotu:<br />

Imię: Maciej<br />

Nazwisko: Smiatacz<br />

e-mail: slowhand@eti.pg.gda.pl<br />

Lp. Zagadnienie<br />

Karta zajęć - wykład<br />

poziom<br />

wiedzy umiej.<br />

liczba<br />

godzin<br />

A B C D E<br />

1. Wprowadzenie do widzenia komputerowego x 1<br />

2. Cechy obrazu x 1<br />

3. Model matematyczny systemu rozpoznawania obrazów x 1<br />

4. Kryteria jakości klasyfikacji x 1<br />

5. Klasyfikator statystyczny x 1<br />

6. Klasyfikator optymalny dla obrazów o rozkładach normalnych x 0,5<br />

7. Klasyfikatory liniowe i odcinkowo liniowe x 0,5<br />

8. Gradientowy algorytm znajdowania minimum funkcji x 1<br />

9. Wybrane algorytmy uczenia x 1<br />

10. Algorytmy liniowe optymalne x 0,5<br />

<strong>11</strong>. Algorytmy perceptronowi x 0,5<br />

12. Algorytmy uczenia i klasyfikacji, gdy liczba klas L > 2 x 0,5<br />

13. Rola selekcji i ekstrakcji cech x 1<br />

14. Heurystyczne metody selekcji cech x 0,5<br />

15. Metody selekcji cech oparte na teorii informacji x 1<br />

16. Metody liniowych transformacji x 1<br />

17. Kryterium Sebestyena x 1<br />

18. Analiza głównych składowych x 1<br />

19. Klasyczne kryterium Fishera dla problemów dwuklasowych x 0,5<br />

20. Rozszerzone kryt. Fishera dla problemów dwuklasowych x 0,5<br />

21. Wieloklasowe kryterium Fishera x 0,5<br />

22. Sekwencyjny algorytm oddzielania klas x 1<br />

23. Idea klasyfikacji wieloetapowej x 1<br />

24. Metody uczenia klasyfikatorów wieloetapowych x 1<br />

25. Grupowanie obiektów x 1<br />

26. Rozmyte algorytmy grupowania x 1<br />

27. Sieci neuronowe w rozpoznawaniu obrazów x 1<br />

28. Stereowizja x 1<br />

29. Wykrywanie i analiza ruchu x 1<br />

30. Przepływ optyczny x 1<br />

31. Loakalizacja obiektów – elastyczne wzorce x 1<br />

32. Loakalizacja obiektów – aktywne modele konturu x 0,5<br />

33. Lokalizacja obiektów – aktywne modele kształtu x 1<br />

34. Tekstury – wprowadzenie x 1<br />

35. Segmentacja i odtwarzanie kształtu na bazie tekstury x 1<br />

Razem 30<br />

Karta zajęć - laboratorium<br />

370

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!