mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Uvod v računalniški vid in razpoznavanje vzorcev

Za predmet Uvod v računalniški vid in razpoznavanje vzorcev še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za predmet Uvod v računalniški vid in razpoznavanje vzorcev: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja30 ur
  • Vaje45 ur
  • Samostojno delo105 ur

Vsebina

  1. Kamera: kamera na luknjico, model CCD kamere, tehnologije za zajem slik, parametri in kalibracija kamere.
  2. Filtriranje in izboljšava slik: odstranjevanje šuma, spreminjanje kontrasta, detektorji robov.
  3. Postopki za sledenje gibanja: model zaporedja slik in gibanja, slika razlik in sledenje gibanja, optični pretok in sledenje gibanja, primeri.
  4. Ujemanje šablon v 2D prostoru: statistično ujemanje, strategije ujemanja.
  5. Geometrija več pogledov: dva in trije pogledi, stereo pogled, fuzija pogledov, uporaba več kamer.
  6. Uvod v razpoznavanje vzorcev: osnovni pojmi, model razpoznavalnika vzorcev, zapis preprostih vzorcev z množico značilk, določanje značilk, spoznavanje področja uporabe (rojenje), razvrščanje vzorcev, preizkušanje razpoznavalnika vzorcev.
  7. Uvod v nevronske mreže kot orodje za razvrščanje vzorcev: organski nevron, umetni nevron in umetne nevronske mreže.
  8. Zvezni večplastni perceptron: shema, učenje z gradientnim sestopom, razvrščanje vzorcev z enonevronskim in dvoplastnim zveznim perceptronom.
  9. Samoorganizirajoče nevronske mreže: ekvivalenten algoritem samoorganizirajočih nevronskih mrež, učenje.

Ocenjevanje

Laboratorijsko delo 50 %, Pisni izpit 50 %

Pogoji za vključitev

Pogojev ni.

Literatura

  • D. A. Forsyth, J. Ponce: Computer Vision: A Modern Approach, Second Edition, Pearson Education International, Upper Saddle River, 2011.
  • M. Sonka, V. Hlavac, R. Boyle: Image processing, analysis and machine vision, Fourth Edition, CENGAGE Learning, London, 2015.
  • S. E. Umbaugh: Computer Imaging: Digital Image Analysis and Processing, CRC Press, Boca Raton, 2005.
  • N. Pavešić: Razpoznavanje vzorcev: uvod v analizo in razumevanje vidnih in slušnih signalov, Univerza v Ljubljani, Fakulteta za elektrotehniko, 3. izdaja, Ljubljana, 2012.
  • C. M. Bishop: Pattern Recognition and Machine Learning, Springer Science+Bussiness Media, New York, 2006.
  • L. P. J. Veelenturf: Analysis and applications of artificial neural networks, Prentice Hall, London, 1995.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.