Kursplan fastställd 2021-02-08 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnComputer vision
- KurskodEEN020
- Omfattning7,5 Högskolepoäng
- ÄgareMPSYS
- UtbildningsnivåAvancerad nivå
- HuvudområdeAutomation och mekatronik, Datateknik, Elektroteknik
- InstitutionELEKTROTEKNIK
- BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd
Kurstillfälle 1
- Undervisningsspråk Engelska
- Anmälningskod 35117
- Max antal deltagare120
- Blockschema
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
---|---|---|---|---|---|---|---|
0118 Projekt 3 hp Betygsskala: TH | 3 hp | ||||||
0218 Inlämningsuppgift 4,5 hp Betygsskala: TH | 4,5 hp |
I program
- MPALG - DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 1 (valbar)
- MPALG - DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 2 (valbar)
- MPCAS - KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- MPCSN - DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
- MPCSN - DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- MPDSC - DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 1 (valbar)
- MPDSC - DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 2 (valbar)
- MPENM - MATEMATIK OCH BERÄKNINGSVETENSKAP, MASTERPROGRAM, Årskurs 1 (valbar)
- MPENM - MATEMATIK OCH BERÄKNINGSVETENSKAP, MASTERPROGRAM, Årskurs 2 (valbar)
- MPHPC - HÖGPRESTERANDE DATORSYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
- MPHPC - HÖGPRESTERANDE DATORSYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- MPSYS - SYSTEMTEKNIK, REGLERTEKNIK OCH MEKATRONIK, MASTERPROGRAM, Årskurs 1 (valbar)
- MPSYS - SYSTEMTEKNIK, REGLERTEKNIK OCH MEKATRONIK, MASTERPROGRAM, Årskurs 2 (valbar)
Examinator
- Christopher Zach
- Forskningsprofessor, Signalbehandling och medicinsk teknik, Elektroteknik
Behörighet
Grundläggande behörighet för avancerad nivåSökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Särskild behörighet
Engelska 6Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Kursspecifika förkunskaper
Goda kunskaper inom linjär algebra, sannolikhetslära och programmering. Det är även önskvärt att ha grundläggande färdigheter inom bildanalys, motsvarande SSY097 - Bildanalys, men det är inte ett krav.
Syfte
Kursen syftar till att ge en översikt över teori och praktiskt användbara metoder i datorseende, med tillämpningar inom t ex seende system, icke-förstörande mätningar och "augmented reality". Syftet är vidare att få studenten att utveckla sin förmåga till problemlösning, både med och utan dator, med användning av verktyg tagna från många olika vetenskaper, framförallt geometri, optimering, statistik och datalogi.
Lärandemål (efter fullgjord kurs ska studenten kunna)
Kunskap och förståelseFör godkänd kurs skall studenten:
- kunna tydligt förklara och använda grundbegrepp inom datorseende, speciellt med avseende på projektiv geometri, kameramodellering, stereoseende samt struktur- och rörelseproblem.
- kunna beskriva och översiktligt förklara den matematiska teorin bakom några centrala algoritmer i datorseende (minsta kvadratmetoden och Newton-baserad optimering).
För godkänd kurs skall studenten:
- på ett ingenjörsmässigt sätt kunna använda programpaket på dator för att självständigt lösa datorseendeproblem.
- kunna visa god förmåga att självständigt identifiera problem som kan lösas med datorseendetekniker samt att välja lämplig metod.
- självständigt kunna applicera grundläggande datorseendetekniker på industriellt och forskningsmässigt relevanta problem.
- med adekvat terminologi, väl strukturerat och logiskt sammanhängande kunna redogöra för lösningen till ett problem inom datorseende.
Innehåll
- Projektiv geometri
- Geometriska transformationer
- Modellering av kameror
- Särdragsextraktion
- Robust uppskattning
- Minimala lösare i datorseende
- Stereoseende
- 3D-modellering
- Rigid och icke-rigid struktur-från-rörelse
- Bundle justering
- Geometri av ytor och dess siluetter
Organisation
Kursen består av ett antal föreläsningar (inklusive gästföreläsningar som ges av industrin eller forskare). Dessutom finns det ett antal övningstillfällen, laborationer och ett projekt. Projektet utförs i grupper om 1-2 personer och avslutas med inlämning av en skriftlig rapport som förklarar det aktuella datorseendeproblemet, en motivering av den valda teorin samt en beskrivning av algoritmer, resultat och slutsatser.Litteratur
Föreläsningsanteckningar och forskningsartiklarOptional: Richard Szeliski, Computer Vision: Algorithms and Applications, available at Cremona or as a free pdf.
Optional: Richard Hartley, Andrew Zisserman, Multiple View Geometry in Computer Vision, Cambridge University Press, 2004.
Examination inklusive obligatoriska moment
Det finns ingen skriftlig examen i den här kursen. Studenterna kommer istället utvärderas baserat på hur väl de presterat i de olika aktiviteter som ingår i kursen. Mer specifikt ges betyg baserat på resultaten från hemuppgifter och projekt. För att få högsta betyg (5), måste man gå igenom ett muntligt test.
Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.