Computer vision and graphics

Краткое содержание учебной дисциплины, модуля / Brief summary

Задачи, методы, алгоритмы и технологии обработки изображений. Системы обработки изображений, структура системы обработки изображений, технология обработки изображений.

Задачи изменения контраста и пути ее решения. Обработка полутоновых изображений. Подчеркивание границ, выделение границ, утоньшение объектов, поворот и масштабирование.

Сегментация изображений. Подходы к сегментации многоканальных объектов и цветных изображений.

Формальные основы методов распознавания образов. Понятие классификации и распознавания, обучающее множество, типы правил классификации и вид описания классифицируемых объектов, метрика, байесовская процедура распознавания.

Цвет в машинной графике. Ахроматический и хроматический цвет. Полосы Маха. Графики МКО. Трехкомпонентные модели цветного изображения. Системы RGB, HSV, YСbCr.

Распознавание объектов изображений. Обнаружение и распознавание объектов изображений. Основы обработки видео. Основные постановки задач обработки видео и подходы к их решению – вычисление оптического потока, сопровождение одного объекта, сопровождение множества объектов, распознавание событий. Классификация и поиск по изображениям.

Методы машинного обучения. Общая постановка задачи машинного обучения. Обучение с учителем и без учителя, обучение с подкреплением. Оценка обобщающей способности. Проблема переобучения. Критерии оценки качества работы алгоритмов машинного обучения. ROC-кривые.

Нелинейные методы машинного обучения. Деревья решений. Общий алгоритм построения, критерии информативности. Разложение ошибки на смещение и разброс. Случайные леса. Искусственные нейронные сети.

Свёрточные нейросети для классификации и поиска похожих изображений. Основные архитектуры для классификации изображений. Применение нейросетей для поиска похожих изображений.

Tasks, methods, algorithms and technologies of image processing. Image processing systems, image processing system structure, image processing technology.

Problems of changing contrast and ways to solve it. Processing of halftone images. Emphasizing edges, highlighting edges, thinning objects, rotating and scaling.

Image segmentation. Approaches to segmentation of multichannel objects and color images.

Formal foundations of pattern recognition methods. The concept of classification and recognition, training set, types of classification rules and type of description of classified objects, metric, Bayesian recognition procedure.

Color in computer graphics. Achromatic and chromatic color. Mach bands. MKO charts. Three-component color image models. Systems RGB, HSV, YСbCr.

Image object recognition. Image object detection and recognition. Basics of video processing. The main formulations of video processing problems and approaches to solving them are calculation of optical flow, tracking of a single object, tracking of multiple objects, event recognition. Classification and search by images.

Machine learning methods. General formulation of the machine learning problem. Supervised and unsupervised learning, reinforcement learning. Assessment of generalization ability. The problem of overtraining. Criteria for assessing the quality of machine learning algorithms. ROC curves.

Nonlinear machine learning methods. Decision trees. General construction algorithm, information content criteria. Decomposition of error into bias and scatter. Random forests. Artificial neural networks.

Convolutional neural networks for classification and search for similar images. Basic architectures for image classification. Using neural networks to find similar images.

Формируемые компетенции / The formed competences

Специализированная компетенция:

осуществлять обоснованный выбор рациональной методики для решения задач компьютерного зрения и графики, проводить ее реализацию с использованием современных программных средств компьютерных вычислений, оценивать корректность полученных результатов и анализировать возможности альтернативных подходов.

Specialized competence:

make an informed choice of a rational technique for solving computer graphics problems, carry out its implementation using modern computer software, evaluate the correctness of the results obtained and analyze the possibilities of alternative approaches.

Результаты обучения (знать, уметь, владеть) / Learning outcomes (know, can, be able)

В результате освоения учебной дисциплины обучающийся должен:

знать: алгоритмы, технологии и принципы построения систем компьютерного зрения и графики, современные средства разработки систем компьютерного зрения и графики, технологические аспекты разработки систем.

уметь: пользоваться линейкой современного свободно распространяемого программного обеспечения для создания систем компьютерного зрения и графики, применять технологию разработки систем компьютерного зрения и графики.

владеть: навыками разработки алгоритмического и программного обеспечения систем компьютерного зрения и графики.

As a result of mastering the academic discipline, the student must:

     know: algorithms, technologies and principles for constructing computer vision and graphics systems, modern tools for developing computer vision and graphics systems, technological aspects of system development.

    be able to: use a line of modern free software to create computer vision and graphics systems, apply technology for developing computer vision and graphics systems.

  possess: skills in developing algorithmic and software for computer vision and graphics systems.

Семестр изучения учебной дисциплины, модуля / Semester of study

2

2

Пререквизиты / Prerequisites

– Современные системы компьютерного зрения и моделирования,

– Алгебра и теория чисел,

– Математический анализ.

– Modern computer vision and modeling systems,

– Algebra and number theory,

– Mathematical analysis.

Трудоемкость в зачетных единицах (кредитах) / Credit units

2 зачетные единицы.

2 credit units.

Количество аудиторных часов и часов самостоятельной работы / Academic hour of students’ class work,

hours of self-directed learning

Всего 60 часов, из них 36 аудиторных часа и 24 часов самостоятельной работы.

A total of 60 hours, of which 36 classroom hours and 24 hours of independent work.

Требования и формы текущей и промежуточной аттестации / Requirements and forms of current and interim certification

Опрос, отчет с устной защитой по лабораторных работах.

Зачет и экзамен.

Survey, report with oral defense on laboratory work.

Test and exam.