Znajomość podstawowych zagadnień analizy matematycznej i algebry.
Znajomość statystyki, metod optymalizacji i sieci neuronowych.
Znajomość podstaw z zakresu programowania w języku Python.
Cele przedmiotu
Zdobycie wiedzy i umiejętności w obszarze grafiki rastrowej, przestrzeni barw i polepszenia jakości obrazów.
Zdobycie wiedzy i umiejętności w obszarze metod filtracji liniowej, filtracji nieliniowej, detekcji krawędzi oraz operacji morfologicznych na obrazach.
Zdobycie wiedzy i umiejętności w obszarze segmentacji, klasyfikacji i detekcji obiektów w obrazach.
Zdobycie wiedzy i umiejętności w obszarze miar oceny wyników przetwarzania obrazów.
Program przedmiotu
Wstęp do wizji komputerowej
Poprawa jakości obrazów: histogram i filtracja,
Detekcja krawędzi, binaryzacja i morfologia,
Klasyczna detekcja obiektów, współczynniki jakości w wizji komputerowej
Wstęp do sieci neuronowych, sieci neuronowe w klasyfikacji obiektów w obrazach,
Sieci neuronowe w segmentacji i detekcji obiektów w obrazach,
Zalecane lektury
R. Gonzalez, R. Woods, Digital Image Processing, 4th edition, Pearson (2018),
W. Pratt, Digital Image Processing, Wiley (2007),
Goodfellow, Y. Bengio, Courville A., Deep Learning, MIT Press (2016).
D. Sankowski, W. Mosorow, K. Strzecha, Przetwarzanie i analiza obrazów w systemach przemysłowych. Wybrane zastosowania, PWN (2012).
Artykuły związane z zastosowanie konwolucyjnych sieci neuronowych w przetwarzaniu obrazów przedstawione podczas wykładów.