Странице предмета

Упознавање са основним појмовима компјутерске визије и напредним техникама дигиталне обраде слике. Реализација и имплементација различитих метода и техничких система компјутерске визије кроз самосталну израду пројеката. Препознавање облика и машинско учење у компјутерској визији. Упознавање са класама задатака у компјутерској визији. Проблеми детекције и естимације, праћења, препознавања, оптималног одлучивања, сегментације, реконструкције и побољшања сигнала, анализе и синтезе слика. Разумевање компоненти посебних система за аквизицију слике. Анализа и конструкција система за обраду слике и видеа. Обрада вишедимензионалних сигнала слике. Конструкција обележја, глобални и локални дескриптори слике, оптималне (научене) репрезентације сигнала. Основе тродимензионалне визије. Разумевање различитих методологија за мерење перформанси и поређење карактеристика алгоритама компјутерске визије. Анализа и примена различитих модела плитких и дубоких неуронских мрежа у задацима компјутерске визије. Упознавање са програмским алатима намењеним компјутерској визији и наменским хардверским платформама. Преостали садржај курса у одређеној мери може да варира у зависности од интересовања полазника. Примена вероватносних модела у статистичкој обради слике. Напредне технике компресије слике и видеа. Упознавање са основама фотограметрије. Основе даљинске детекције. Наменске хардверске платформе за примену компјутерске визије у реалном времену. Детекција и препознавање различитих објеката, процеса и појава на сликама и у видеу. Проблем сегментације и праћења покретних објеката у видеу. Морфолошки оператори. Примена варијационих метода у компјутерској визији. Реконструкција и рестаурација слике и видеа. Савремене методе за решавање инверзних проблема у компјутерској визији. Практична настава одвија се коришћењем рачунара и у зависности од задатака (који имају за циљ демонстрацију и проверу усвојених сазнања), или теме предметног пројекта, састоји се од коришћења различитих бесплатних софтверских алата за решавање проблема рачунарског вида. Према потребама и критеријумима, избор алата обухвата библиотеке као што су: OpenCV, Kornia, OpenCL, CUDA, VLFeat, scikit-image, pyTorch, tensorflow, OSGeo. Настава по потреби укључује и коришћење наменских хардверских платформи (као што је Jetson Nano), бесплатних сервиса за дистрибуирано рачунарство (као што је colaboratory cloud), наменских уређаја за аквизицију слике (као што је P4 multispectral) или јавно доступна мерења и базе слика у оквиру репозиторијума као што је IEEE DataPort.