Napredne metode računalniškega vida

Pogojev za vključitev v delo ni.

Predmet vsebuje različne napredne teme s področja zaznavanja gibanja z metodami računalniškega vida. Konkretna vsebina se bo letno prilagajala trendom na tem hitro razvijajočem se področju. Trenutne aktualne teme obsegajo:
Pregled področja ocenjevanja gibanja in aplikacije.
Ocenjevanje optičnega toka z metodami najmanjših kvadratov.
Ocenjevanje optičnega toka z variacijskim računom.
Sledenje s parametrično predlogo po postopku Lucas-Kanade.
Sledenje s histogrami po postopku srednjega premika (Mean Shift).
Sledenje s stohastično optimizacijo po postopku križne entropije.
Rekurzivni Bayesovi filtri za sprotno ocenjevanje stanj.
Sledenje s Kalmanovim filtrom.
Sledenje s filtri z delci.
Sledenje deformabilnih objektov s konstelacijskimi modeli.
Metodologije primerjave sledilnikov.
Sledenje s klasifikacijo.
Metode dolgoročnega sledenja z detekcijo.

Simon J. D. Prince, Computer Vision: Models, Learning, and Inference, Cambridge University Press, 2012
Richard Szeliski, Computer Vision: Algorithms and Applications, Springer, 2010
David Barber, Bayesian Reasoning and Machine Learning, Cambridge University Press, 2012

Primarni namen predmeta je seznanitev z raziskovalno zahtevnim področjem, ki je del računalniškega vida, širše pa umetne inteligence. V tem smislu je snov logično nadaljevanje prvostopenjskih predmetov umetne inteligence, specifično osnovnih tem s področja računalniškega vida, multimedije in strojnega učenja. Sekundarni namen predmeta je osvojitev uporabe analitičnih in numeričnih metod, s katerimi se študentje že spoznajo pri bazičnih predmetih, vendar jih pogosto ne uporabijo v praksi. Študentje bodo ob koncu predmeta seznanjeni z modernimi metodami ocenjevanja gibanja in sledenja z metodami računalniškega vida ter imeli praktične izkušnje iz implementacije teh metod.

Po uspešnem zaključku predmeta naj bi študenti:

• poznali glavne postopke ocenjevanja gibanja in lokalizacijo premikajočih se objektov,
• razumeli koncept ocenjevanja optičnega toka in bili sposobni implementirati osnovne postopke,
• razumeli matematično ozadje prileganja predlog s pomočjo metod gradientnega spusta,
• razumeli matematično ozadje verjetnostnih Bayesovskih modelov za ocenjevanje položaja objekta v sliki in bili sposobni implementirati osnovne algoritme, ki izhajajo iz te družine metod,
• razumeli postopke evalvacije sledilnih algoritmov in bili sposobni kritično analizirati delovanje sledilnika,
• razumeli osnove sledilnikov, ki sledijo na dolgi rok in poznali glavne predstavnike s tega področja
• sposobni izdelati aplikacije za sledenje objektov v slikah,
• sposobni razumevanja modernih algoritmov na področju sledenja objektov.

Predavanja, laboratorijske vaje, domače naloge in projektna naloga v sklopu vaj. Poseben poudarek je na individualnem delu študentov.

Sprotno preverjanje (laboratorijske vaje, domače naloge, projektna naloga)
Končno preverjanje (pisni izpit)
Končno preverjanje (ustni izpit)
(ocene: 5 (negativno), 6-10 (pozitivno), ob upoštevanju Statuta UL)

LUKEŽIČ, Alan, ČEHOVIN ZAJC, Luka, KRISTAN, Matej. Deformable parts correlation filters for robust visual tracking. IEEE transactions on cybernetics, ISSN 2168-2267, 2017, vol. , no. , str. 1-13, [COBISS-SI-ID 1537625283],
KRISTAN, Matej, SULIĆ KENK, Vildana, KOVAČIČ, Stanislav, PERŠ, Janez. Fast image-based obstacle detection from unmanned surface vehicles. IEEE transactions on cybernetics, ISSN 2168-2267 , 2016, vol. 46, no. 3, str. 641-654, [COBISS-SI-ID 1536310979],
KRISTAN, Matej, MATAS, Jiří, LEONARDIS, Aleš, VOJÍŘ, Tomáš, PFLUGFELDER, Roman, FERNÁNDEZ, Gustavo, NEBEHAY, Georg, PORIKLI, Fatih, ČEHOVIN ZAJC, Luka. A novel performance evaluation methodology for single-target trackers. IEEE transactions on pattern analysis and machine intelligence, ISSN 0162-8828. [Print ed.], Nov. 2016, vol. 38, no. 11, str. 2137-2155, [COBISS-SI-ID 1536872643]
ČEHOVIN ZAJC, Luka, LEONARDIS, Aleš, KRISTAN, Matej. Visual object tracking performance measures revisited. IEEE transactions on image processing, ISSN 1057-7149, 2016, vol. 25, no. 3, str. 1261-1274, [COBISS-SI-ID 1536812739]
ČEHOVIN, Luka, KRISTAN, Matej, LEONARDIS, Aleš. Robust visual tracking using an adaptive coupled-layer visual model. IEEE trans. pattern anal. mach. intell.. [Print ed.], 2012, str. [1-14], [COBISS-SI-ID 9431124]

Celotna bibliografija je dostopna na SICRISu:
http://sicris.izum.si/search/rsr.aspx?lang=slv&,id=32801.