Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Rozpoznawanie obrazów
Tok studiów:
2018/2019
Kod:
HKL-2-207-KW-s
Wydział:
Humanistyczny
Poziom studiów:
Studia II stopnia
Specjalność:
Komunikacja wizualna i projektowanie graficzne
Kierunek:
Kulturoznawstwo
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr Olszewska Anna (aolsz@agh.edu.pl)
Osoby prowadzące:
dr inż. Korohoda Przemysław (korohoda@agh.edu.pl)
dr Olszewska Anna (aolsz@agh.edu.pl)
Krótka charakterystyka modułu

Zaprezentowane zostaną podstawowe metody projektowania systemów klasyfikujących obrazy. Zagadnienia wstępne omówione zostaną w odniesieniu do wybranych przykładów. Laboratorium metod prowadzone będzie przy wykorzystaniu oprogramowania ImageJ oraz Matlab.

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Rozumie w pełni istotę społeczeństwa informacyjnego i jego kulturowych, ekonomicznych, technologicznych i społecznych uwarunkowań oraz zależności między technologią a zmianami zachodzącymi w społeczeństwie i kulturze. KL2A_W22 Kolokwium
M_W002 Posiada gruntowną wiedzę na temat technologii informatycznych i audiowizualnych. KL2A_W25 Aktywność na zajęciach
Umiejętności
M_U001 Potrafi dokonać zaawansowanej analizy zgromadzonego materiału badawczego z wykorzystaniem odpowiednich technik analitycznych i wspomagających programów komputerowych. KL2A_U22 Kolokwium
Kompetencje społeczne
M_K001 Samodzielnie podejmuje i inicjuje działania badawcze. KL2A_K04 Aktywność na zajęciach
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Rozumie w pełni istotę społeczeństwa informacyjnego i jego kulturowych, ekonomicznych, technologicznych i społecznych uwarunkowań oraz zależności między technologią a zmianami zachodzącymi w społeczeństwie i kulturze. - - + - + - - - - - -
M_W002 Posiada gruntowną wiedzę na temat technologii informatycznych i audiowizualnych. - - - - - - - - - - -
Umiejętności
M_U001 Potrafi dokonać zaawansowanej analizy zgromadzonego materiału badawczego z wykorzystaniem odpowiednich technik analitycznych i wspomagających programów komputerowych. - - + - + - - - - - -
Kompetencje społeczne
M_K001 Samodzielnie podejmuje i inicjuje działania badawcze. - - + - + - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Konwersatorium:
rozpoznawanie obrazów: podstawowe koncepcje

1. O podobieństwie: teorie podobieństwa, metody opisu i klasyfikacji podobieństwa wizualnego w ujęciu filozoficznym
2. Rozpoznawanie obrazów jako dziedzina informatyki: charakterystyka, cele, pytania, dziedziny pokrewne

3. Postępowanie związane z rozpoznawaniem obrazów – trzy odwzorowania: recepcja, obliczanie podobieństwa, proces podejmowania decyzji

4. O recepcji – czym jest struktura przestrzeni cech, jak ją możemy wyznaczyć
- n-wymiarowość, przestrzeń euklidesowa, zasada Brawermanna, optymalizacja przestrzeni cech, przekształcenia obrazu

5. O miarach podobieństwa: wyznaczanie funkcji przynależności:
- według gotowego wzorca (wektora cech)
– wykorzystanie ciągów uczących
- zamknięte oraz niepełne wektory cech; metody minimalno-odległościowe, metody wzorców, postępowanie probabilistyczne oraz aproksymacyjne

6. O podejmowaniu decyzji:
- postępowanie całościowe
- postępowanie strukturalne
– reguła motoryzacyjna, decyzje neutralne, postępowanie niejednoznaczne i słabo udokumentowane, rozpoznania wieloznaczne, brak możliwości rozpoznania

7. W stronę laboratorium: narzędziownik: rekapitulacja podstawowych metod stosowanych w w celu ustalenia wektora cech: przekształcenia punktowe, kontekstowe, skeletonizacja, wykrywanie krawędzi, wykorzystanie transformacji, analiza histogramu, maksima lokalne, pola, długości krawędzi, długości rzutów, średnice Fereta, wyznaczanie deskryptorów kształtu, umiejscowienie, momenty bezwładności

Ćwiczenia laboratoryjne:
rozpoznawanie obrazów: laboratorium

zadania realizowane w programie Matlab stanowią egzemplifikację tematyki wprowadzonej na zajęciach audytoryjnych.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 78 godz
Punkty ECTS za moduł 3 ECTS
Udział w konwersatoriach 15 godz
Egzamin lub kolokwium zaliczeniowe 4 godz
Dodatkowe godziny kontaktowe z nauczycielem 4 godz
Przygotowanie do zajęć 40 godz
Udział w ćwiczeniach laboratoryjnych 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

kolokwium śródsemsetralne 30%
kolokwium końcowe 70%

Wymagania wstępne i dodatkowe:

umiejętnosć obsługi programu ImageJ w stopniu podstawowym

Zalecana literatura i pomoce naukowe:

W.Malina, M. Smiatacz: Rozpoznawanie obrazow. Exit, W-wa 2011D.

Karwowski: Zrozumiec kompresje obrazu. Poznan 2019

Zygmunt Wróbel i Robert Koprowski, Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Exit, 2008

Abràmoff, M. D., Magalhães, P. J., & Ram, S. J. (2004). Image processing with ImageJ. Biophotonics international, 11(7), 36-42.

Dodatkowe:

Ferenc, T. (2007). Analiza obrazu-przegląd metod i inspiracji teoretycznych.
Kasperowicz, R. Wölfflin 100 lat później, Quart 40 (2), 2016

Rojek, P. (2007). Podobieństwa rodzinne i konkretne uniwersalia,„. Filozofia Nauki.

Błaszczyk, P., & Mrówka, K. (2013). Euklides, Elementy, Ksiegi V–VI. Tłumaczenie i komentarz [Euclid, Elements, Books V–VI. Translation and commentary]. Krakow: Copernicus.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Zieliński, T. P., Korohoda, P., & Rumian, R. (2014). Cyfrowe przetwarzanie sygnałów w telekomunikacji. Wydawnictwo Naukowe PWN.

Tadeusiewicz, R., & Korohoda, P. (1997). Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji.

Olszewska, A., & Gancarczyk, J. (2017, July). Touchscreen user interface design for content based image retrieval. In Proceedings of the conference on Electronic Visualisation and the Arts BCS Learning & Development Ltd. (pp. 315-316).

Olszewska, A., & Gancarczyk, J. Annales Universitatis Paedagogicae Cracoviensis.

Gancarczyk, J., & Olszewska, A. (2017, July). Which Entry is More Similar? A Non-linear Visualisation of Query Results in Image Retrieval and Image Recognition Problem. In EVA.

Olszewska, A., & Gancarczyk, J. (2018). MUSEUM AS A VISUAL LAB? CULTURE-TECHNOLOGY NETWORKS IN CBIR PROJECTS. Studia Humanistyczne AGH, 16(2), 67-88.

Informacje dodatkowe:

Brak