Datateknik AV, Bildanalys, 6 hp
Observera att litteraturen i kursplanen kan ändras/revideras fram till:
• 1 juni för en kurs som startar på höstterminen
• 15 november för en kurs som startar på vårterminen
• 1 april för en kurs som startar på sommaren
Skriv ut eller spara kursplanen som PDF
Du kan enkelt skriva ut en kursplan direkt från webbsidan. Använd kortkommandot ctrl+p (Windows) eller command+p (Mac). I nästa steg väljer du om du vill skriva ut eller spara kursplanen som PDF.
För en nedlagd kurs kan eventuell information om avvecklingsperiod hittas under rubriken "Övergångsregel" i senaste versionen av kursplanen.
Kursplan för:
Datateknik AV, Bildanalys, 6 hp
Computer Engineering MA, Image Analysis, 6 credits
Allmänna data om kursen
- Kurskod: DT068A
- Ämne huvudområde: Datateknik
- Nivå: Avancerad nivå
- Högskolepoäng: 6
- Fördjupning vs. Examen: A1N - Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
- Utbildningsområde: Tekniska området 100%
- Ansvarig institution: Data- och elektroteknik
- Fastställd: 2024-11-12
- Giltig fr.o.m: 2025-01-20
Syfte
Kursen syftar till att ge en god förståelse för teoretiska begrepp och praktiska metoder inom bildanalys, med traditionella metoder, maskininlärning och djupinlärning.
Lärandemål
Efter avslutad kurs ska studenten kunna:
- beskriva grundläggande begrepp, terminologi, modeller och metoder inom bildanalys, med traditionella och inlärningsbaserade metoder (maskin- och djupinlärning).
- tillämpa förvärvade kunskaper inom bildanalysområdena för att lösa relevanta problem med bilder från olika modaliteter.
- implementera ett antal metoder/tekniker inom bildanalys med hjälp av inlärningsbaserade metoder.
- systematiskt utvärdera algoritmer inom bildanalysområdena med avseende på för- och nackdelar för olika uppgifter och problem.
Innehåll
- Förbehandlingstekniker: Filtrering, kantdetektering, särdragsdetektering (features) och bildtransformationer
- Histogramoperationer för bildförbättring och restaurering
- Analys av bilder i frekvensdomänen
- Konturer och skelettanalys
- Maskininlärning i bildanalys: Inlärning, testning, automatiserad analys av stora datamängder och begränsningar av maskininlärning i bildanalys
- Maskininlärning och neurala nätverksbaserad bildsegmentering, särdragsidentifiering, formanalys och rörelsenalys
- Etik i experimentell design och utvärdering av bilder
- Mjukvaruverktyg och praktiska tillämpningar: Introduktion till bildanalysprogramvara och praktiska övningar
- Utvärdering av bildanalyssystem
- Tillämpningar och fallstudier: Exempel från forskning och industri
Behörighet
60 hp datateknik eller elektroteknik, inkluderande 10 hp programmering, 6 hp signal- och bildbehandling, och 6 hp datorseende. 30 hp matematiska ämnen, inklusive kurser i sannolikhetsteori och statistik samt linjär algebra.
Undervisning
Föreläsningar och ett projekt.
Examination
P101: Projekt, med skriftlig rapport, 3 hp
Betygsskala: Sju-gradig skala, A-F o Fx
T101: Skriftlig tentamen, 3 hp
Betygsskala: Sju-gradig skala, A-F o Fx
Länk till betygskriterier: https://www.miun.se/betygskriterier.
Om en student har ett besked från samordnaren vid Mittuniversitetet om pedagogiskt stöd vid funktionsnedsättning, har examinator rätt att ge anpassad examination för studenten.
Begränsning av examination
Studenter registrerade på denna version av kursplan har rätt att examineras 3 gånger inom loppet av 1 år enligt angivna examinationsformer. Därefter gäller examinationsform enligt senast gällande version.
Betygsskala
Sju-gradig skala, A-F o Fx
Litteratur
Obligatorisk litteratur:
Författare: V. Lakshmanan, M. Görner, R. Gillard
Titel: Practical Machine Learning for Computer Vision
Förlag: O’Reilly
Upplaga: 1st
Kommentar: preferably ISBN 13 characters: 9781098102364
Referensliteratur:
Författare: Richard Szeliski
Titel: Computer Vision: Algorithms and Applications
Förlag: Springer
Upplaga: 2nd
Kommentar: preferably ISBN 13 characters: 978-3-030-34371-2
Webadress: https://szeliski.org/Book/
Författare: C. M. Bishop & H. Bishop
Titel: Deep Learning - Foundations and Concepts
Förlag: Springer
Upplaga: 1st
Kommentar: preferably ISBN 13 characters: 978-3-031-45467-7
Webadress: https://www.bishopbook.com/