Module also offered within study programmes:
General information:
Name:
Machine learning in image processing
Course of study:
2019/2020
Code:
ZSDA-3-0123-s
Faculty of:
Szkoła Doktorska AGH
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Szkoła Doktorska AGH
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr inż. Głowacz Adam (adglow@agh.edu.pl)
Dyscypliny:
Moduł multidyscyplinarny
Module summary

Przedmiot będzie obejmował tematykę uczenia maszynowego w przetwarzaniu obrazów. Omówione zostaną definicje procesu uczenia, motywacja dla budowy systemów uczących i metody przetwarzania. Przedstawiona zostanie analiza obrazów i rozpoznawanie elementów znajdujących się na obrazie. Zaprezentowane zostaną przykłady problemów rozwiązywanych przez systemy uczące oraz praktyczne zastosowania.

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)
Skills: he can
M_U001 Potrafi zaprojektować system przetwarzania obrazów z zastosowaniem wybranych metod uczenia maszynowego SDA3A_U01 Activity during classes
M_U002 Potrafi wykonać analizę obrazów i samodzielnie wyciągnąć wnioski SDA3A_U01 Activity during classes
Knowledge: he knows and understands
M_W001 Zna podstawowe pojęcia z zakresu przetwarzania obrazów i uczenia maszynowego. SDA3A_W02 Activity during classes
M_W002 Zna metodologie przeprowadzania badań z zakresu uczenia maszynowego i przetwarzania obrazów SDA3A_W03 Activity during classes
M_W003 Ma rozszerzoną wiedzę w zakresie tworzenia i budowy systemów przetwarzania obrazów SDA3A_W07 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
24 0 0 10 0 0 14 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
Skills
M_U001 Potrafi zaprojektować system przetwarzania obrazów z zastosowaniem wybranych metod uczenia maszynowego - - + - - + - - - - -
M_U002 Potrafi wykonać analizę obrazów i samodzielnie wyciągnąć wnioski - - + - - + - - - - -
Knowledge
M_W001 Zna podstawowe pojęcia z zakresu przetwarzania obrazów i uczenia maszynowego. - - + - - + - - - - -
M_W002 Zna metodologie przeprowadzania badań z zakresu uczenia maszynowego i przetwarzania obrazów - - + - - + - - - - -
M_W003 Ma rozszerzoną wiedzę w zakresie tworzenia i budowy systemów przetwarzania obrazów - - + - - + - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 30 h
Module ECTS credits 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 24 h
Preparation for classes 2 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 4 h
Module content
Laboratory classes (10h):

W trakcie zajęć laboratoryjnych omówione zostaną następujące tematy:
1. Wstępne przetwarzanie i ekstrakcja cech w przetwarzaniu obrazów
2. Projekt i zastosowanie cech obrazu do rozpoznawania
3. Liniowa analiza dyskryminacyjna, klasyfikator k-najbliższego Sąsiada
4. Klasyfikator Bayesa, klasyfikator k-means, Support Vector Machine
5. Sztuczne Sieci neuronowe

Seminar classes (14h):

Doktorantom zostaje zaproponowana lista rozdziałów z książek i artykułów z czasopism posiadających Impact Factor. Doktoranci przygotowują i referują prezentację dotyczące wybranych artykułów lub rozdziałów książek na kolejnych zajęciach seminaryjnych.
Uczestniczą czynnie w dyskusji.

Additional information
Teaching methods and techniques:
  • Laboratory classes: Nie określono
  • Seminar classes: Nie określono
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

nie dotyczy

Participation rules in classes:
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Ćwiczenia laboratoryjne
  • Seminar classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Zajęcia seminaryjne
Method of calculating the final grade:

ocena końcowa= 0,2*(ocena z ćwiczeń laboratoryjnych)+0,8*(ocena z zajęć seminaryjnych)

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

Zaliczenie indywidualne po uzgodnieniu z prowadzącym.

Prerequisites and additional requirements:

nie dotyczy

Recommended literature and teaching resources:

1. Wróbel Z., Koprowski R.: Praktyka przetwarzania obrazów w programie Matlab, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2004.
2. Gonzalez Rafael C., Woods Richard E., Eddins Steven L., Digital Image Processing Using MATLAB, 2011.
3. William K. Pratt, Digital Image Processing – 4th Edition – John Wiley & Sons, 2007.

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

1. Głowacz A., Głowacz Z.: Diagnostics of stator faults of the single-phase induction motor using thermal images, MoASoS and selected classifiers. Measurement, vol. 93, 2016, pp. 86–93.
2. Głowacz A., Głowacz Z.: Diagnosis of the three-phase induction motor using thermal imaging, Infrared Physics & Technology, vol. 81, 2017, pp. 7–16.
3. Głowacz A., Głowacz Z.: Recognition of images of finger skin with application of histogram, image filtration and K-NN classifier. Biocybernetics and Biomedical Engineering, vol. 36, Iss. 1, 2016, pp. 95–101.

Additional information:

Ćwiczenia laboratoryjne: Treści prezentowane na zajęciach laboratoryjnych będą odbywać się w laboratorium z zastosowaniem oprogramowania Matlab.
Zajęcia seminaryjne: Prezentacje pokazywane będą w formie slajdów na komputerze. Następnie doktoranci biorą udział w dyskusji.

Doktorant prezentuje swoją wiedzę i umiejętności w trakcie zajęć seminaryjnych oraz laboratoryjnych.