Cilji in kompetence
Cilj tega predmeta je, da bodo študentje razumeli osnove globokih mrež na področju računalniškega vida, ter jih znali uporabiti v praksi.
Vsebina
• Uvod: opredelitev osnovnih pojmov
• Barvne in geometrijske transformacije: barvni prostori in osnovne geometrijske transformacije
• Konvolucija in linearni operatorji: detektorji robov, primeri detektorjev robov
• Segmentacija slik
• Globoke nevronske mreže in računalniški vid: sloji, učni algoritmi, prenosno učenje
• Priprava učnih podatkov: predobdelava in izboljšava podatkov (augmentacija), odstranjevanje šuma
• Interpretacija globokih modelov: podprileganje in nadprileganje, vrednotenje modelov globokih mrež.
• Primeri aplikacij globokih mrež: klasifikacija, detekcija, segmentacija.
Metode poučevanja in učenja
Predavanja,
Računalniške vaje.
Predvideni študijski rezultati - znanje in razumevanje
Učni izid: prepoznati probleme računalniškega vida ter izbrati in uporabiti ustrezne modele globokih mrež
Učni izid: Razumeti delovanje gradnikov in arhitekturo modelov globokih nevronskih mrež
Učni izid: Uporabiti modele globokih nevronskih mrež za reševanje problemov računalniškega vida
Učni izid: Pouporabiti naučene modele globokih nevronskih mrež za reševanje novih problemov računalniškega vida
Učni izid: Analizirati in primerjati rešitve za probleme računalniškega vida.
Temeljni literatura in viri
F. Chollet, Deep Learning with Python, druga izdaja, Manning, 2021.
E. R. Davies, Computer Vision: Principles, Algorithms, Applications, Learning, peta izdaja, Academic Press, 2017.
R. Shanmugamani, Deep Learning for Computer Vision, Packt Publishing, 2018.
Literatura v slovenskem jeziku za tematiko, ki pokriva celoten predmet ne obstaja.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
