Компьютерное зрение и распознавание образов
内容描述: Дисциплина посвящена изучению фундаментальных основ компьютерного зрения, математического представления цифровых изображений, методов обработки и анализа изображений, распознавания образов.
贷款数: 6
Пререквизиты:
- Автоматизация технических систем
- Линейные системы автоматического регулирования
*СomplexityDiscipline(zh-CN)*:
| *TypesOfClasses(zh-CN)* | *hours(zh-CN)* |
|---|---|
| *Lectures(zh-CN)* | 30 |
| *PracticalWork(zh-CN)* | |
| *LaboratoryWork(zh-CN)* | 30 |
| *srop(zh-CN)* | 30 |
| *sro(zh-CN)* | 90 |
| *FormOfFinalControl(zh-CN)* | экзамен |
| *FinalAssessment(zh-CN)* | Устный экзамен |
零件: Компонент по выбору
循环次数: Профилирующие дисциплины
Цель
- формирование у студентов знаний математических основ и алгоритмов распознавания образов и компьютерного зрения, формирования практических навыков работы с изображениями и решения прикладных задач анализа изображений
Задача
- Ознакомление с основными понятиями техники машинного зрения.
- Изучение базовых понятий и алгоритмов обработки изображений , в том числе применения операции свертки с прямоугольным окном, вычисления производных изображения и т.п.
- Освоение техники выделения особенностей изображения и сегментацией изображений.
- Освоение методов распознавания изображения.
- Применение программных средств обработки и распознавания цифровых изображений.
Результат обучения: знание и понимание
- описывать основные концепции и методы машинного обучения, применяемые в компьютерном зрении, такие как нейронные сети, сверточные нейронные сети и т. д.
Результат обучения: применение знаний и пониманий
- использовать свои знания в компьютерном зрении для решения реальных задач, таких как распознавание лиц, детекция объектов или анализ медицинских изображений.
Результат обучения: формирование суждений
- применять различные алгоритмы и методы обработки изображений, сегментации, детекции объектов и распознавания образов;
Результат обучения: коммуникативные способности
- объяснять концепции компьютерного зрения коллегами и специалистами в области компьютерного зрения, а также участвовать в дискуссиях и презентациях проектов;
Результат обучения: навыки обучения или способности к учебе
- анализировать информацию из различных источников для углубленного изучения темы, а также самостоятельно решать практические задачи в области компьютерного зрения и распознавания образов.
*TeachingMethods(zh-CN)*
интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь);
построение сценариев развития различных ситуаций на основе заданных условий; - информационно-коммуникационная (например, занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ);
поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения);
решение учебных задач.
*AssessmentKnowledge(zh-CN)*
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| *Period2(zh-CN)* | *TypeOfTask(zh-CN)* | *Total(zh-CN)* |
|---|---|---|
| 1 *Rating(zh-CN)* | Лабораторная работа. Фильтрация изображений | 0-100 |
| Лабораторная работа. Детекция грани | ||
| Лабораторная работа. Бинаризация изображений | ||
| Лабораторная работа. Выделение объектов на изображении | ||
| Лабораторная работа. Простая сегментация изображений | ||
| рубежный контроль 1 | ||
| 2 *Rating(zh-CN)* | Лабораторная работа. Шаблонное сопоставление | 0-100 |
| Лабораторная работа. Определение геометрических форм | ||
| Лабораторная работа. Простой классификатор изображений | ||
| Лабораторная работа. Простая аугментация данных | ||
| Лабораторная работа. Определение направления градиента | ||
| рубежный контроль 2 | ||
| *TotalControl(zh-CN)* | экзамен | 0-100 |
*PolicyAssignmentTask(zh-CN)*
| *TypeOfTask(zh-CN)* | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | *Grade4(zh-CN)* | *Grade3(zh-CN)* | *Grade2(zh-CN)* | |
| Контрольный вопросы | демонстрирует системные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью и способность быстро реагировать на уточняющие вопросы | демонстрирует прочные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность, явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью, но при этом делает несущественные ошибки, которые исправляет самостоятельно или при незначительной коррекции преподавателем | демонстрирует неглубокие теоретические знания, проявляет слабо сформированные навыки анализа явлений и процессов, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточно свободное владение монологической речью, терминологией, логичностью и последовательностью изложения, делает ошибки которые может исправить только при коррекции преподавателем. | демонстрирует незнание теоретических основ предмета, несформированные навыки анализа явлений и процессов, не умеет делать аргументированные выводы и приводить примеры, показывает слабое владение монологической речью, не владеет терминологией, проявляет отсутствие логичности и последовательности изложения, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать на занятии |
| Практические занятия | выполнил практическую работу в полном объеме с соблюдением необходимой последовательности действий; в ответе правильно и аккуратно выполняет все записи, таблицы, рисунки, чертежи, графики, вычисления; правильно выполняет анализ ошибок. При ответе на вопросы правильно понимает сущность вопроса, дает точное определение и истолкование основных понятий; сопровождает ответ новыми примерами, умеет применить знания в новой ситуации; может установить связь между изучаемым и ранее изученным материалом, а также с материалом, усвоенным при изучении других дисциплин. | выполнил требования к оценке «5», но допущены 2-3 недочета. Ответ обучающегося на вопросы удовлетворяет основным требованиям к ответу на 5, но дан без применения знаний в новой ситуации, без использования связей с ранее изученным материалом и материалом, усвоенным при изучении других дисциплин; допущены одна ошибка или не более двух недочетов, обучающийся может их исправить самостоятельно или с небольшой помощью преподавателя. | выполнил работу не полностью, но не менее 50% объема практической работы, что позволяет получить правильные результаты и выводы; в ходе проведения работы были допущены ошибки. При ответе на вопросы обучающийся правильно понимает сущность вопроса, но в ответе имеются отдельные проблемы в усвоении вопросов курса, не препятствующие дальнейшему усвоению программного материала; допущено не более одной грубой ошибки и двух недочетов. | выполнил работу не полностью или объем выполненной части работ не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует не владение основными знаниями и умениями в соответствии с требованиями программы; допущены больше ошибок и недочетов, чем необходимо для оценки 3 или не может ответить ни на один из поставленных вопросов. |
| Экзамен | даны правильные и полные ответы на все теоретические вопросы; -полностью решено практическое задание; -материал изложен грамотно с соблюдением логической последовательности; -продемонстрированы творческие способности. | даны правильные, но неполные ответы на все теоретические вопросы, допущены несущественные погрешности или неточности; - практическое задание выполнено, однако допущена незначительная ошибка; - материал изложен грамотно с соблюдением логической последовательности. | ответы на теоретические вопросы в принципе правильные, но неполные, допущены неточности в формулировках и логические погрешности; -практическое задание выполнено не полностью; -материал изложен грамотно, однако нарушена логическая последовательность | ответы на теоретические вопросы содержат грубые ошибки; -практическое задание не выполнено; -в изложении ответа допущены грамматические, терминологические ошибки, нарушена логическая последовательность. |
*EvaluationForm(zh-CN)*
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Предмет распознавания образов и компьютерного зрения. Задачи компьютерного зрения. Основные подходы к решению задач компьютерного зрения. Примеры систем распознавания образов и компьютерного зрения.
- Основы работы с библиотекой OpenCV. Установка библиотеки. Запуск демонстрационных примеров.
- Формирование и редставление изображений. Восприятие света. Устройства для формирования изображения. Устройство зрительной — системы — человека. Проблемы — формирования изображения. Геометрические искажения. Дисперсия. Блюминг. Эффекты дискретизации. Типы изображений. Форматы цифровых изображений.
- Моделирование зрительной системы человека. Моделирование искажений изображений.
- Анализ бинарных изображений. Пикселы и окрестности пикселов. Применение масок к изображениям. Подсчет объектов на изображении. Морфология бинарных изображений. Пороговая бинаризация полутоновых изображений.
- Основные понятия распознавания образов. Задача распознавания образов. Общая модель классификации. Классификатор. Построение системы классификации. МПредставление объектов в виде векторов признаков Реализация классификатора. Классификация по ближайшему среднему значению. Классификация по расстоянию ближайших соседей.
- Цифровая фильтрация и яркостные преобразования. Повышение качества изображений. Обнаружение низкоуровневых признаков. Выравнивание гистограммы. Сглаживание изображения. Медианная фильтрация. Обнаружение краев с помощью дифференциальных масок. Гауссовская фильтрация. Детектор краев Кэнни. Анализ пространственных частот с помощью ДПФ.
- Поиск изображений на основе содержания. Примеры баз данных изображений. Запросы к базам данных изображений. Запросы по образцу. Меры расстояния между изображениями на o основе цветового сходства. Меры расстояния между изображениями на основе текстурного сходства. Меры расстояния между изображениями на основе сходства формы.
Основная литература
- Richard Szeliski. Computer Vision: Algorithms and Applications. - c 2010 Springer, 2010. - p. 979
- Simon J.D. Prince. Computer Vision: Models, Learning, and Inference - Cambridge University Press, 2012. - 581 p. ISBN-13 978-1107011793
- Joe Minichino, Joseph Howse. Learning OpenCV 4 Computer Vision with Python 3: Get to grips with tools, techniques, and algorithms for computer vision and machine learning - Packt Publishing; 3rd ed. edition (February 20, 2020). - 372 p.
