دانشکده:دروس:22926:14002:main

اصول بینایی کامپیوتر - نیم سال دوم 1400

مدرس ایمیل
مصطفی کمالی تبریزی mostafa.kamali.tabrizi@gmail.com

توضیحات درس

  • شماره درس: 22926
  • گروه: 1
  • تعداد واحد: 3
  • مقطع: کارشناسی
  • زمان کلاس: یک شنبه ها و سه شنبه ها، ساعت 3 تا 4:15 بعد از ظهر

توصیف درس

در این درس دانشجویان با مفاهیم و اصول بینایی کامپیوتر و روش های به روز این زمینه آشنا می شوند. حدود 40 درصد ابتدایی ترم مفاهیم سه بعدی سازی و هندسه تصویری تدریس خواهد شد. 20 درصد بعدی مفاهیم و اصول یادگیری ماشین به ویژه مطالب مورد استفاده در بینایی کامپیوتر تدریس می شود. 40 درصد آخر ترم روش های مبتنی بر یادگیری ماشین در بینایی کامپیوتر تدریس می شود.

سرفصل‌های تقریبی

  • Interest Points
  • Pinhole Camera Model
  • Basics of Projective Geometry
  • Homography
  • Robust Estimation
  • Image Stitching
  • Camera Calibration
  • Vanishing Points and Lines
  • Epipolar Geometry
  • Structure from Motion (SFM)
  • Basics of Machine Learning
  • Bag of Words
  • Naive Bayes
  • Support Vector Machines (SVM)
  • Neural Networks
  • Face Detection
  • Histogram of Oriented Gradients
  • Image Retrieval
  • Image Classification
  • Object Detection
  • Semantic Segmentation

پیش‌نیازها

  • آشنایی با برنامه نویسی با پایتون (scikit-image یا opencv) و یا آمادگی برای یادگیری سریع آن در ابتدای ترم
  • آشنایی با پردازش تصویر
  • آشنایی با جبر خطی عددی
  • آشنایی با احتمال

منابع درس

مطالب از مراجع مختلف و از مقالات خواهند بود. بیشتر مطالب از کتاب های زیر برگرفته شده هستند و در انتهای اسلایدهای هر موضوع منبع و بخش مربوط به آن موضوع معرفی خواهد شد.

Computer Vision: Algorithms and Applications; Richard Szeliski; 2nd Edition

Multiple View Geometry in Computer Vision; Hartley and Zisserman; 2nd Edition

Deep Learning Book; Goodfellow, Bengio, and Courville

نحوه‌ی ارائه‌ی کلاس

کلاس به صورت آنلاین در صفحه کلاس مجازی مدرس در زمان کلاس تشکیل خواهد شد.

نحوه ارزش‌یابی

  • تمرین های برنامه نویسی: 15 نمره (پنج سری تمرین، هریک 3 نمره)
  • امتحان پایان‌ترم: 5 نمره (1 تیر 1401، ساعت 9 صبح)
  • آزمون های شفاهی: در طول ترم و در انتهای ترم آزمون شفاهی انجام خواهد شد و نمره آن هم در تمرین ها و هم در نمره امتحان پایان ترم و هم در نمره کل موثر خواهد بود. چنانچه عملکرد دانشجویی در آزمون شفاهی ضعیف تر از تمرین ها و امتحان پایان ترم باشد، آزمون شفاهی ملاک نمره دهی خواهد بود.

جدول زمانی تمرین‌ها

شماره تمرین تاریخ بارگذاری مهلت تحویل
۱ 1400/12/21 1401/01/27
۲ 1401/01/27 1401/02/17
3 1401/02/17 1401/03/07
4 1401/03/07 1401/03/28
5 1401/03/28 1401/04/25
  • مهلت تحویل تمام تمرین ها شنبه ساعت 12 شب تاریخ مشخص شده می باشد.
  • مهلت تحویل قابل تمدید نیست.
  • 5 روز تأخیر در مجموع در تحویل تمرین ها مجاز است.
  • بعد از ۵ روز تأخیر مجاز، برای هر روز تأخیر 1۰ درصد از نمره کسر می شود.
  • از تأخیرهای مجاز در سری آخر تمرین ها نمی توان استفاده کرد.
  • هر سری از تمرین ها حداکثر تا یک هفته پس از مهلت تحویل پذیرفته می شوند، حتی با احتساب تأخیرهای مجاز.

دستیاران آموزشی درس (به ترتیب الفبا)

نام دستیاران ایمیل
متین انصاری پور matinansaripour@gmail.com
امیر حسین جوادی Javadiamirhosein.2000@gmail.com
پرهام چاوشیان parhampch@gmail.com
احمد رحیمی ahmadrahimiuni@gmail.com
محمد شاه وردی کندری main
محسن قدرتی mghodrati.iut92@gmail.com
سید عرفان موسویان erfanmousavian@gmail.com
سید علیرضا موسوی زاده s.a.mosavizade@gmail.com
هلیا یزدان یار helia79yaz@gmail.com
/opt/bitnami/dokuwiki/data/pages/دانشکده/دروس/22926/14002/main.txt · آخرین ویرایش: 2022/09/07 10:44 توسط 127.0.0.1

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki