Θέματα Όρασης Υπολογιστών

Κωδικός Μαθήματος
CEID_NE471
Τομέας
Τομέας Υλικού και Αρχιτεκτονικής των Υπολογιστών
Επίπεδο
Προπτυχιακά
Διδάσκων
ΨΑΡΑΚΗΣ ΕΜΜΑΝΟΥΗΛ
Εξάμηνο
Χειμερινό
ECTS
5

Α. Διαλέξεις 
 Μεταξύ άλλων, στο πλαίσιο του μαθήματος καλύπτονται τα ακόλουθα: 

  • Υπολογιστική Όραση, Σχηματισμός εικόνων και οπτικοί αισθητήρες
  • Στοιχεία Προοπτικής Γεωμετρίας, Βαθμονόμηση κάμερας, ορθογραφική προβολή σκηνής, γραμμικοί και μη-γραμμικοί αλγόριθμοι εκτίμησης εσωτερικών και εξωτερικών παραμέτρων κάμερας. 
  • Φωτομετρία, Σκίαση και Χρώμα. 
  • Παραμετρικές Καμπύλες και Επιφάνειες 
  • Πολυδιάστατα συστήματα επεξεργασίας. Πολυδιάστατα γραμμικά Συστήματα και ανάλυση Fourier με έμφαση στα φίλτρα Gabor και μετασχηματισμών κυματιδίων. Ανάλυση εικόνων σε πολλαπλές κλίμακες, πυραμίδες εικόνων. 
  • Στερέοψη και γεωμετρία πολλαπλών εικόνων, ανακατασκευή σκηνής από δύο εικόνες και από πολλαπλές εικόνες. 
  • Ευθυγράμμιση- στοίχιση, Γεωμετρικές Παραμορφώσεις Εικόνων, Μετασχηματισμοί Affine, Μετασχηματισμοί Προβολής, Μωσαϊκά, Μεταμόρφωση εικόνων. 
  • Αντιστοίχιση με χρήση Χαρακτηριστικών (Features), Εντοπισμός Χαρακτηριστικών , Εύρεση Αντίστοιχων Χαρακτηριστικών, Χρήση των Αντίστοιχων σημείων για Στοίχιση,  Επιθυμητές Ιδιότητες Ανιχνευτών, Επιθυμητές Ιδιότητες Περιγραφέων, Ανιχνευτής Γωνιών του Harris,Μητρώο Αυτο-Συσχέτισης και ανάλυση Ιδιοτιμών του. Χαρακτηριστικά Γωνιών και Σταγόνων, Χαρακτηριστικά Αμετάβλητα σε αλλαγές Κλίμακας και Μετασχηματισμός Αμετάβλητος σε άλλαγές Κλίμακας (SIFT), Ανιχνευτές Laplacian, DoG, SURF  
  • Σύνθεση εικόνας υψηλής ευκρίνειας, από ακολουθία εικόνων χαμηλής ευκρίνειας. 
  • Εκτίμηση οπτικής ροής και Κίνησης. 
  • Μηχανική Μάθηση, Είδη μηχανικής μάθησης, Κλασσικά Νευρωνικά Δίκτυα, Νευρωνικά Δίκτυα Βαθέων Αρχιτεκτονικών (ΝΔΒΑ)  
  • Ανίχνευση Αντικειμένων, Κλασσικές τεχνικές Τεχνικές με Νευρωνικά Δίκτυα Βαθέων Αρχιτεκτονικών (NΔBA)

Β. Εργαστηριακές Ασκήσεις 

  • Άσκηση 1: Βασικοί Γεωμετρικοί Μετασχηματισμοί στη MATLAB και η χρήση τους στη δημιουργία κινούμενων εικόνων 
  • Άσκηση 2: Πυραμίδες εικόνων, Αποθορυβοποίηση και εντοπισμός Χαρακτηριστικών 
  • Άσκηση 3: Στερεοσκοπική Αντιστοίχιση Εικόνων 
  • Άσκηση 4: Ευθυγράμμιση εικόνων βασισμένη σε ολόκληρες τις εικόνες, από κοινού ευθυγράμμιση εικόνων 
  • Άσκηση 5: Ευθυγράμμιση εικόνων βασισμένη σε χαρακτηριστικά
  • Ἀσκηση 6-8: Εξοικείωση στα περιβάλλοντα pytorch ή/και tensorflow.
  • Ἀσκηση 9-10: Υλοποίηση τεχνικών αιχμής στην ανίχνευση αντικειμένων στα περιβάλλοντα pytorch ή/και tensorflow.
Μετάβαση στο περιεχόμενο