Παρουσίαση/Προβολή

(MSC29) -  Γεώργιος Θ. Παπαδόπουλος

Περιγραφή Μαθήματος

Περιεχόμενο Μαθήματος

Εβδομάδα 1: Εισαγωγή στο μάθημα

Εβδομάδα 2: Μετασχηματισμοί

Εβδομάδα 3: Βελτιστοποίηση

Εβδομάδα 4: Εργαστηριακές ασκήσεις μαθήματος (1)

Εβδομάδα 5: Τμηματοποίηση

Εβδομάδα 6: Ανίχνευση ακμών

Εβδομάδα 7: Εξαγωγή χαρακτηριστικών

Εβδομάδα 8: Εργαστηριακές ασκήσεις μαθήματος (2)

Εβδομάδα 9: Εισαγωγή στην χρήση τεχνικών βαθιάς μάθησης στην υπολογιστική όραση

Εβδομάδα 10: Εφαρμογές υπολογιστικής όρασης με χρήση τεχνικών βαθιάς μάθησης (1)

Εβδομάδα 11: Εφαρμογές υπολογιστικής όρασης με χρήση τεχνικών βαθιάς μάθησης (2)

Εβδομάδα 12: Εργαστηριακές ασκήσεις μαθήματος (3) 

 

Μαθησιακά Αποτελέσματα

- Κατανόηση βασικών αρχών ανάλυσης ψηφιακών εικόνων

- Εμπέδωση διαφορετικών μεθόδων μετασχηματισμού και βελτιστοποίησης εικόνων

- Ανάλυση μεθόδων χωρικής τμηματοποίησης και ανίχνευσης ακμών 

- Κατανόηση βασικών μεθοδολογιών για εξαγωγή χαρακτηριστικών 

- Εμπέδωση μεθοδολογιών ανάλυσης οπτικού περιεχομένου με χρήση τεχνικών τεχνητής (βαθιάς) μάθησης

 

Συνιστώμενη Βιβλιογραφία

- «ΨΗΦΙΑΚΗ EΠΕΞΕΡΓΑΣΙΑ ΚΑΙ AΝΑΛΥΣΗ EΙΚΟΝΑΣ», Ν. ΠΑΠΑΜΑΡΚΟΣ, ΕΚΔΟΤΗΣ: ΓΚΙΟΥΡΔΑΣ, ΕΤΟΣ ΕΚΔΟΣΗΣ: 2005.

- Richard Szeliski, «Computer Vision: Algorithms and Applications (Texts in Computer Science) 2nd ed.», 2022 Edition

- Voulodimos, Athanasios, et al. “Deep learning for computer vision: A brief review." Computational intelligence and neuroscience 2018 (2018). 

Ημερομηνία δημιουργίας

Monday, September 25, 2023