SLO | EN

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.

  • doc. dr. UROŠ MLAKAR, mag. inž. rač. in inf. tehnol.

  • Laboratorijsko delo: 50
  • Pisni izpit: 50

  • : 15
  • : 15
  • : 60

  • slovensko
  • slovensko