Riadok 60: | Riadok 60: | ||
'''Cvičenia''' | '''Cvičenia''' | ||
− | Informácie ku cvičeniam ako aj všetky materiály nájdete na [https://github.kocurvik/edu Githube] v zložke PSO. | + | Informácie ku cvičeniam ako aj všetky materiály nájdete na [https://github.com/kocurvik/edu Githube] v zložke PSO. |
''' Projekty ''' | ''' Projekty ''' |
Aktuálna revízia z 12:52, 1. október 2023
Pokročilé spracovanie obrazu 2-AIN-112
školský rok 2023/2024
TERMÍN PREDNÁŠKY
- streda 13:10 , M-VIII
TERMÍNY CVIČENÍ
- utorok 16:30 , F1-248
PREDNÁŠKY / CVIČENIA
- Zuzana Černeková (I3)
- Viktor Kocur (I4)
PREDNÁŠkY
- Svetlo a farba
- Dátové štruktúry
- Snímanie obrazu a jeho vlastnosti
- Predspracovanie a filtrácie obrazu
- Detekcia hrán vo farebnom obraze
- Morfológia
- Fourierova transformácia
- Segmentácie
- Segmentácie na základe grafov - Grabcut
- Wavelety
CVIČENIA
Priebežné bodovanie
Bodovanie
veľké úlohy (2x7,5 boda) | 15 bodov |
aktivita na cvičení + malé úlohy | 15 bodov |
projekt | 20 bodov |
spolu | 50 bodov |
minimum potrebné na pripustenie ku skúške | 30 bodov |
Cvičenia
Informácie ku cvičeniam ako aj všetky materiály nájdete na Githube v zložke PSO.
Projekty
Projekty 2017
Požiadavky
Výstupom projektu bude najmä prezentácia, ktorá sa uskutoční na poslednom cvičení a kód/demo vášho algoritmu.
V rámci projektu sa očakáva, že:
- naštudujete relevantnú literatúru (nemusí ísť len o vedecké publikácie)
- navrhnete minimálne dva rozdielne algoritmy na riešenie úlohy
- vyberiete z nich aspoň dva a tie otestujete voči ground truth nejakou metrikou (pri segmentácii napr. IoU, alebo aj mAP)
- ak má zvolený algoritmus nejaké parametre, tak ho otestujete pre viacero parametrov, a výsledky vyhodnotíte
- vytvoríte demo, ktoré bude riešiť zadanú úlohu
- odovzdáte aj kód a iné časti projektu
- odprezentujete projekt na poslednom cvičení (15 min. prezentácia + 5 min. otázky)
V úvode prezentácie popíšte a ukážte použitý dataset. Ak nemáte v datasete ground truth, tak ju skúste vytvoriť. Napr. pri segmentácii stačí pre 10-20 obrázkov z datasetu vytvoriť ručne masky segmentovaných objektov. Ideálne je pritom pokúsiť sa zachytiť čo najrôznejšie situácie. Vo výsledkoch môžete potom zobraziť ako algoritmus funguje aj na obrázky pre ktoré nemáte ground truth.
V prezentácii môžete prezentovať aj neúspešné pokusy. Ak je napríklad metóda úplne nevyhovujúca na prvý pohľad, tak môžete pridať obrázok s krátkym popisom metódy. Prípadne ak ste metódu postupne vylepšovali, tak môžete v prezentácii ukázať postupné vylepšenia ktoré ste pre zvolenú metódu robili a to ako ovplinili výstup metódy.
Pri prezentovaní výsledkov buďte jednoznačný v tom čo jednotlivé čísla znamenajú. Je taktiež nutné aby všetci členovia skupiny rozumeli, tomu čo sa práve prezentuje! Ak bude zjavné, že jeden člen skupiny sa absolutne neorientuje v nejakej časti prezentácie, môže prísť o body. Ideálne by mal každý člen prezentovať aspoň časť projektu.
Najčastejšia otázka po prezentácii býva: "Na prednáške/cvičení sme robili X. Prečo ste nespravili to?". Pripravte sa na ňu.