Module also offered within study programmes:
General information:
Name:
Rozpoznawanie obrazów
Course of study:
2019/2020
Code:
HKLT-2-207-KW-s
Faculty of:
Humanities
Study level:
Second-cycle studies
Specialty:
Visual Communication and Graphic Design
Field of study:
Cultural Studies
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr Olszewska Anna (aolsz@agh.edu.pl)
Module summary

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.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Samodzielnie podejmuje i inicjuje działania badawcze. KLT2A_K05 Activity during classes
Skills: he can
M_U001 Potrafi dokonać zaawansowanej analizy zgromadzonego materiału badawczego z wykorzystaniem odpowiednich technik analitycznych i wspomagających programów komputerowych. KLT2A_U22 Test
Knowledge: he knows and understands
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. KLT2A_W22 Test
M_W002 Posiada gruntowną wiedzę na temat technologii informatycznych i audiowizualnych. KLT2A_W24 Activity during classes
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
30 0 0 15 0 15 0 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Samodzielnie podejmuje i inicjuje działania badawcze. - - + - + - - - - - -
Skills
M_U001 Potrafi dokonać zaawansowanej analizy zgromadzonego materiału badawczego z wykorzystaniem odpowiednich technik analitycznych i wspomagających programów komputerowych. - - + - + - - - - - -
Knowledge
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. - - + - + - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 76 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 h
Preparation for classes 40 h
Examination or Final test 2 h
Contact hours 4 h
Module content
Conversation seminar (15h):
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

Laboratory classes (15h):
rozpoznawanie obrazów: laboratorium

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

Additional information
Teaching methods and techniques:
  • Conversation seminar: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy metod odnoszące się do prezentowanych zagadnień.
  • Laboratory classes: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Sposób zaliczenia: kolokwia śródsemestralne oraz końcowe. Warunkiem dopuszczenia do zaliczenia jest obecność na zajęciach, dopuszczalna absencja 2h. Zaliczenia poprawkowe odbywa się na tych samych warunkach co zaliczenie terminu pierwszego.

Participation rules in classes:
  • Conversation seminar:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Method of calculating the final grade:

kolokwium śródsemsetralne 30%
kolokwium końcowe 70%

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Samodzielne opracowanie i prezentacja wybranych zagadnień w trybie konsultacji.

Prerequisites and additional requirements:

umiejętnosć obsługi programu ImageJ w stopniu podstawowym

Recommended literature and teaching resources:

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.

Scientific publications of module course instructors related to the topic of the module:

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.

Additional information:

brak