Stranice predmeta

Upoznavanje sa osnovnim pojmovima kompjuterske vizije i naprednim tehnikama digitalne obrade slike. Realizacija i implementacija različitih metoda i tehničkih sistema kompjuterske vizije kroz samostalnu izradu projekata. Prepoznavanje oblika i mašinsko učenje u kompjuterskoj viziji. Upoznavanje sa klasama zadataka u kompjuterskoj viziji. Problemi detekcije i estimacije, praćenja, prepoznavanja, optimalnog odlučivanja, segmentacije, rekonstrukcije i poboljšanja signala, analize i sinteze slika. Razumevanje komponenti posebnih sistema za akviziciju slike. Analiza i konstrukcija sistema za obradu slike i videa. Obrada višedimenzionalnih signala slike. Konstrukcija obeležja, globalni i lokalni deskriptori slike, optimalne (naučene) reprezentacije signala. Osnove trodimenzionalne vizije. Razumevanje različitih metodologija za merenje performansi i poređenje karakteristika algoritama kompjuterske vizije. Analiza i primena različitih modela plitkih i dubokih neuronskih mreža u zadacima kompjuterske vizije. Upoznavanje sa programskim alatima namenjenim kompjuterskoj viziji i namenskim hardverskim platformama. Preostali sadržaj kursa u određenoj meri može da varira u zavisnosti od interesovanja polaznika. Primena verovatnosnih modela u statističkoj obradi slike. Napredne tehnike kompresije slike i videa. Upoznavanje sa osnovama fotogrametrije. Osnove daljinske detekcije. Namenske hardverske platforme za primenu kompjuterske vizije u realnom vremenu. Detekcija i prepoznavanje različitih objekata, procesa i pojava na slikama i u videu. Problem segmentacije i praćenja pokretnih objekata u videu. Morfološki operatori. Primena varijacionih metoda u kompjuterskoj viziji. Rekonstrukcija i restauracija slike i videa. Savremene metode za rešavanje inverznih problema u kompjuterskoj viziji. Praktična nastava odvija se korišćenjem računara i u zavisnosti od zadataka (koji imaju za cilj demonstraciju i proveru usvojenih saznanja), ili teme predmetnog projekta, sastoji se od korišćenja različitih besplatnih softverskih alata za rešavanje problema računarskog vida. Prema potrebama i kriterijumima, izbor alata obuhvata biblioteke kao što su: OpenCV, Kornia, OpenCL, CUDA, VLFeat, scikit-image, pyTorch, tensorflow, OSGeo. Nastava po potrebi uključuje i korišćenje namenskih hardverskih platformi (kao što je Jetson Nano), besplatnih servisa za distribuirano računarstvo (kao što je colaboratory cloud), namenskih uređaja za akviziciju slike (kao što je P4 multispectral) ili javno dostupna merenja i baze slika u okviru repozitorijuma kao što je IEEE DataPort.