Kursplan för Bildanalys

Kursplan fastställd 2026-02-20 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnImage analysis
  • KurskodSSY099
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPMED
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeBioteknik, Elektroteknik, Medicinteknik
  • InstitutionELEKTROTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk

    Engelska

  • Anmälningskod

    41119

  • Blockschema

  • Sökbar för utbytesstudenter

    Ja

Poängfördelning

Modul
LP1
LP2
LP3
LP4
Sommar
Ej LP
Tentamensdatum
0126 Projekt 3,5 hp
Betygsskala: TH		 3,5 hp
0226 Laboration 4 hp
Betygsskala: UG		 4 hp

I program

Examinator

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kravet

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kraven

Kursspecifika förkunskaper

Grundläggande kunskaper i signaler och system, inklusive filtrering och faltning. Grundläggande kunskaper i sannolikhetslära och statistik, inklusive stokastiska variabler, fördelningar, väntevärde och varians. 
Grundläggande kunskaper i linjär algebra och flervariabelanalys, inklusive vektorer och matriser, partiella derivator, gradienter och kedjeregeln.
Grundläggande programmeringsfärdigheter i Python eller motsvarande.

Syfte

Kursens mål är att ge studenten en gedigen grund i matematiska modeller, metoder och algoritmer för bildanalys. Kursen behandlar både inlärningsbaserade och geometriska metoder och syftar till att studenten ska kunna analysera bildanalysuppgifter, implementera och utvärdera lämpliga metoder samt kritiskt jämföra och motivera lösningar. Efter genomförd kurs ska studenten kunna tillämpa bildanalysmetoder på problem relevanta för industriell datorseende, autonoma system, medicinsk bildanalys och forskning.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Kunskap och förståelse
För godkänt betyg ska studenten kunna:
-förklara grundläggande matematiska begrepp och modeller som används inom bildanalys, inklusive bildrepresentationer, likhetsmått och metriker samt bildbehandlingsoperationer.
-förklara den matematiska teorin och de principer som ligger till grund för några centrala bildanalysalgoritmer, inklusive både inlärningsbaserade och geometriska metoder.
-förklara rollen hos statistiska principer inom bildanalys och maskininlärning.
Färdigheter och kompetenser
För godkänt betyg ska studenten kunna:
-självständigt implementera och utvärdera bildanalysmetoder med hjälp av lämpliga programvaruverktyg och bibliotek, huvudsakligen i Python.
-analysera en bildanalysuppgift (t.ex. klassificering, segmentering eller detektion) och välja lämpliga bildanalysmetoder baserat på problemformulering, antaganden, dataegenskaper och prestanda.
-tillämpa lämpliga bildanalysmetoder på problem som är relevanta för industriell datorseende, autonoma system, medicinsk bildanalys eller forskning.
-utvärdera och jämföra lösningar på ett bildanalysproblem samt motivera slutsatser med korrekt terminologi och en logiskt strukturerad framställning.

Innehåll

Digitala bildrepresentationer, bildlikhet och koordinatrepresentationer.
Grundläggande bildbehandling, inklusive filtrering och särdragsextraktion.
Olika typer av bildanalysuppgifter, såsom klassificering, segmentering och detektion, samt principer för utvärdering av dessa.
Maskininlärning för bildanalys, inklusive övervakad inlärning, djupinlärning och konvolutionella neurala nätverk.
Moderna djupinlärningsarkitekturer och inlärningsparadigmer för bildanalys.
Geometriska modeller för bildanalys, inklusive robust modellanpassning och bildregistrering.
Kameramodeller, flervygeometri samt metoder för rörelseskattning och tredimensionell struktur.
Generativa bildmodeller.
Tillämpningar inom industriell datorseende, autonoma system och medicinsk bildanalys.

Organisation

Kursen består av ett antal föreläsningar (inklusive gästföreläsningar som ges av industri och / eller akademiska forskare som visar praktiska tillämpningar av bildanalys). Dessutom finns ett antal övningar, fyra laborationer och ett projekt. Laborationerna kan utföras enskilt eller i grupp, men projektet måste genomföras enskilt. Projektet omfattar inlämning av en skriftlig rapport som förklarar det aktuella bildanalysproblemet, en motivation av den valda teorin och algoritmerna, resultaten och slutsatserna.

Litteratur

Frivillig: Szeliski, R.: Computer Vision, Algorithms and Applications. Springer, 2010, ISBN: 9781848829343.
Frivillig: Goodfellow, I. and Bengio, Y. and Courville, Deep Learning. MIT Press, 2016, ISBN: 9780262035613.

Det är möjligt att bli godkänd på kursen utan boken genom att använda det material som erbjuds på kurssidan. Båda böckerna är tillgängliga gratis online.

Examination inklusive obligatoriska moment

Examinationen består av obligatoriska laborationsuppgifter, ett individuellt projektarbete samt duggor som genomförs under kursens gång.
Laborationerna syftar till att träna praktisk tillämpning av bildanalysmetoder och examineras med betyget godkänd eller underkänd. Under kursens gång genomförs duggor för att pröva studentens förståelse av de metoder och begrepp som behandlas i laborationerna. Samtliga laborationer och duggor ska vara godkända för att studenten ska kunna erhålla godkänt betyg på kursen.
Projektarbetet genomförs individuellt och innefattar analys av en bildanalysuppgift, val och implementation av lämpliga metoder samt utvärdering och jämförelse av lösningar. Projektet redovisas i en skriftlig rapport och är betygsgrundande för kursen. I samband med projektarbetet genomförs en muntlig examination. Den muntliga examinationen är frivillig men krävs för att studenten ska kunna erhålla betyg 4 eller 5 på kursen.
Ingen skriftlig salstentamen ingår i kursen.

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 riktat pedagogiskt stöd på grund av funktionsnedsättning.

Bildanalys | Chalmers