Розпізнавання образів (121 Інженерія програмного забезпечення)

Тип: На вибір студента

Кафедра: оптоелектроніки та інформаційних технологій

Навчальний план

СеместрКредитиЗвітність
76Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
732Русиняк М. О.ФеП-41

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
732ФеП-41Русиняк М. О.

Опис навчальної дисципліни

Курс розпочинається з основних понять розпізнання образів , таких як піксельна арифметика, представлення та опис зображень, ланцюгові коди, ламані мінімальної довжини та ін. В подальшому описуються дескриптори границь, і тому числі Фур’є дескриптори. Розглядаються дескриптори областей, починаючи з найпростіших і завершуючи топологічними і текстурними. У подальшому вивчаються різноманітні методи розпізнання, включаючи методи теорії рішень та статистичні оптимальні класифікатори. Подаються основи структурних методів розпізнання включаючи синтаксичне розпізнання стрічок символів і дерев.

Лабораторний практикум  навчає  студентів здійснювати програмну реалізацію алгоритмів  за допомогою мов програмування C# та Python. Слухачі дізнаються про всі етапи та рівні розпізнання образів та  матимуть можливість реалізації різноманітних шляхів  роботи алгоритмів та

програм.

Рекомендована література

  1. C. Gonzalez, E.R. Woods, “Digital Image Processing” Second Edition Prentice Hall Upper Saddle River, New Jersey 07458, P. 797, 2017.
  2. Методи розпізнавання образів: Навч. посіб. для студ. / В. М. Заяць, Р. М. Камінський; Нац. ун-т “Львів. політехніка”. – Л., 2004. – 173 c.
  3. William K. Pratt Digital image processing/ Third Edition/ John Wiley & Sons, Inc. – 2001. – 723 c
  4. Reinhard Klette. Concise Computer Vision: An Introduction into Theory and Algorithms (Undergraduate Topics in Computer Science). – Springer – January 20th, 2014 – 429 p.
  5. You can master Computer Vision, Deep Learning, and OpenCV. – Режим доступу: https://www.pyimagesearch.com/

Силабус:

Завантажити силабус