Комп'ютерний зір та цифрова обробка зображень

Анотація навчальної дисципліни

Мета дисципліни: надати студентам знання та практичні навички з розробки та застосування технологій комп’ютерного зору. Курс охоплює основні методи обробки та аналізу зображень, розпізнавання об’єктів, детекції та відстеження, що дозволяє студентам створювати системи для автоматичного аналізу візуальної інформації. Дисципліна готує студентів до використання алгоритмів комп’ютерного зору у різних галузях, таких як робототехніка, медицина, безпека, автомобільна індустрія та інші.
Практичне значення дисципліни: здобуття студентами навичок розробки та використання технологій комп’ютерного зору для автоматизованого аналізу зображень та відео. Ці знання дозволяють створювати системи, здатні розпізнавати об'єкти, відстежувати рух, здійснювати контроль якості, проводити біометричну ідентифікацію та багато іншого. Завдяки опанованим технологіям студенти зможуть застосовувати комп’ютерний зір у практичних задачах у сферах робототехніки, медицини, відеоспостереження, автопілотування, розваг і виробничих процесів, що підвищує їхню професійну конкурентоспроможність.

Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття

Лекція 1. Вступ до комп'ютерного зору: основні поняття, застосування та перспективи.
Лекція 2. Основи цифрової обробки зображень: структура та характеристики зображень.
Лекція 3. Основні інструменти для роботи з комп'ютерним зором: огляд OpenCV та інших бібліотек.
Лекція 4. Обробка кольорових та градаційних зображень: теоретичні та практичні аспекти.
Лекція 5. Геометричні трансформації зображень: зміна масштабу, поворот, обрізка.
Лекція 6. Основи фільтрації зображень: згладжування та виділення країв.
Лекція 7. Детекція країв та контурів: методи Canny, Sobel, Laplacian.
Лекція 8. Сегментація зображень: методи порогової обробки та сегментації.
Лекція 9. Перетворення Гафа: виявлення ліній та кіл на зображенні.
Лекція 10. Виділення ознак та дескрипторів: основи та алгоритми SIFT, SURF, ORB.
Лекція 11. Вирівнювання зображень: методи трансформацій та зіставлення ознак.
Лекція 12. Розпізнавання об'єктів на основі шаблонів та машинного навчання.
Лекція 13. Класифікація та розпізнавання об’єктів: використання бібліотек машинного навчання з OpenCV.
Лекція 14. Трекінг об'єктів: методи та алгоритми для відстеження об'єктів на відео.
Лекція 15. Побудова та використання гістограм для аналізу зображень.

Лабораторні роботи

Лабораторна робота 1 "Вступ до OpenCV та обробка кольорових і градаційних зображень".  
Мета роботи: ознайомитися з основними функціями бібліотеки OpenCV та навчитися обробляти кольорові і градаційні зображення.

Лабораторна робота 2 "Геометричні трансформації зображень".  
Мета роботи: навчитися застосовувати геометричні трансформації, такі як масштабування, поворот і обрізка зображень.

Лабораторна робота 3 "Фільтрація та детекція країв на зображеннях".  
Мета роботи: засвоїти методи згладжування зображень та виділення країв з використанням операторів Canny, Sobel і Laplacian.

Лабораторна робота 4 "Сегментація зображень і порогова обробка".  
Мета роботи: освоїти основні методи сегментації зображень, зокрема порогову обробку.

Лабораторна робота 5 "Виділення контурів та перетворення Гафа".  
Мета роботи: навчитися виділяти контури об'єктів та застосовувати перетворення Гафа для виявлення ліній і кіл.

Лабораторна робота 6 "Виділення ознак та дескрипторів: SIFT, SURF, ORB".  
Мета роботи: засвоїти методи виділення ознак та дескрипторів на зображеннях, використовуючи алгоритми SIFT, SURF та ORB.

Лабораторна робота 7 "Розпізнавання та класифікація об'єктів за шаблонами".  
Мета роботи: навчитися розпізнавати об'єкти на зображеннях за допомогою шаблонів та базових алгоритмів машинного навчання.

Для заочної форми здобуття освіти

Лекційні заняття

Лекція 1. Основи комп'ютерного зору та цифрової обробки зображень: поняття, застосування, структура та характеристики зображень, огляд бібліотек OpenCV та інших інструментів.
Лекція 2. Базові методи обробки зображень: кольорова та градаційна обробка, геометричні трансформації, фільтрація, детекція країв і контурів.

Лабораторні роботи

Лабораторна робота 1 "Основи роботи з OpenCV та базова обробка зображень".
Мета роботи: ознайомитися з бібліотекою OpenCV, навчитися обробляти кольорові та градаційні зображення, застосовувати геометричні трансформації та методи фільтрації для згладжування та виділення країв.

Лабораторна робота 2 "Сегментація, виділення ознак та розпізнавання об'єктів".
Мета роботи: освоїти методи сегментації зображень, навчитися виділяти контури та ознаки об'єктів за допомогою алгоритмів SIFT, SURF та ORB, а також застосовувати методи класифікації та розпізнавання об'єктів на основі шаблонів.

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

 Індивідуальна робота

Для денної форми здобуття освіти  не передбачена

Для заочної форми здобуття освіти передбачена контрольна робота.

 Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти

Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.

Модуль 1
Три лабораторні роботи. Кожна лабораторна робота оцінюється в 4 бали – 12 балів.
Модульна контрольна робота 1 – бездоганне виконання 30 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Перша частина розрахунково-графічної роботи оцінюється у 8 балів.

Модуль 2
Чотири лабораторних робіт. Кожна лабораторна робота оцінюється в 3 бали – 12 балів.
Модульна контрольна робота 2 – бездоганне виконання 22 бали (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Друга частина розрахунково-графічної роботи оцінюється у 16 балів.

Підсумковим контролем з дисципліни є усний екзамен, білет до якого складається з чотирьох питань. Максимальна оцінка за правильні відповіді на всі питання екзаменаційного білету становить 100 балів – по 25 балів за кожну вірну відповідь.

Для заочної форми здобуття освіти
Оцінювання виконання контрольної роботи, залік.
Виконання контрольної роботи відповідно графіку, надання викладачу у встановлені терміни – 60 балів. 
Залік – 60-100 балів. Набрані бали впродовж семестру не ураховуються, а забезпечують допуск до заліку.

 Політика освітнього процесу та умови допуску до підсумкового контролю

Політика освітнього процесу в дисципліні «Комп'ютерний зір та цифрова обробка зображень» орієнтована на активну участь студентів у лекційних заняттях та лабораторних роботах. Особлива увага приділяється виконанню лабораторних завдань, що дозволяє студентам закріпити теоретичні знання та застосувати їх на практиці. Лабораторні роботи спрямовані на розвиток практичних навичок у використанні бібліотек для комп'ютерного зору, обробці зображень, виділенні ознак та розпізнаванні об'єктів, що є необхідними для професійного розвитку у сфері комп'ютерного зору та штучного інтелекту.

Умови допуску до підсумкового контролю передбачають обов’язкове відвідування не менше 75% лекційних занять та лабораторних робіт. Студенти також мають успішно скласти дві модульні контрольні роботи, які проводяться протягом курсу. Для допуску до підсумкового контролю студент повинен набрати не менше 60% від максимальної кількості балів за поточну діяльність, що включає виконання лабораторних завдань та результати модульних контрольних робіт.