بینایی کامپیوتر
| مدرس: دکتر شهره کسائی | پیش‌نیاز: یادگیری ژرف |
| ترم: تابستان ۱۴۰۴ | محل برگزاری: کلاس مجازی |
| زمان ارائه: سه‌شنبه ۱۴:۰۰ تا ۱۷:۰۰ | مشاهده: دریافت لایسنس |
معرفی درس
بینایی کامپیوتر؛ از تحلیل تصاویر تا درک صحنه و بازسازی سه‌بعدی
بینایی کامپیوتر (Computer Vision) یکی از حوزه‌های مهم هوش مصنوعی است که به کامپیوتر امکان می‌دهد محتوای تصاویر و ویدئوها را تحلیل کند و اطلاعات معناداری از آن‌ها به دست آورد. از تشخیص و دسته‌بندی اشیا در تصاویر گرفته تا بازسازی محیط سه‌بعدی، این فناوری نقش مهمی در توسعه سامانه‌های هوشمند، خودروهای خودران، رباتیک، تصویربرداری پزشکی و بسیاری از کاربردهای نوین دارد.
در این درس، با مفاهیم و روش‌های بنیادی بینایی کامپیوتر آشنا می‌شوید و یاد می‌گیرید چگونه از داده‌های تصویری برای تحلیل صحنه، شناسایی ویژگی‌های مهم و استخراج اطلاعات استفاده کنید. مباحث درس از اصول پردازش تصویر و هندسه سه‌بعدی آغاز می‌شوند و موضوعاتی مانند مدل دوربین و افکنش، بازسازی سه‌بعدی با یک یا چند دوربین، استخراج و انطباق نقاط کلیدی و برازش مقاوم مدل‌ها را در بر می‌گیرند.
همچنین، روش‌های گروه‌بندی و تحلیل داده‌های تصویری، شامل خوشه‌بندی، بخش‌بندی و دسته‌بندی، بررسی می‌شوند و در ادامه با نقش یادگیری ژرف (Deep Learning) در بینایی کامپیوتر آشنا خواهید شد. این ترکیب از مبانی نظری و روش‌های نوین، دیدی منسجم از مسئله‌های اصلی این حوزه و رویکردهای حل آن‌ها در اختیار شما قرار می‌دهد.
در پایان این درس چه توانایی‌هایی کسب می‌کنید؟
- آشنایی با مفاهیم پایه، اصطلاحات و کاربردهای بینایی کامپیوتر
- درک اصول پردازش سیگنال و تصویر و نقش آن‌ها در تحلیل داده‌های تصویری
- آشنایی با هندسه سه‌بعدی، مدل دوربین و مفهوم افکنش
- شناخت روش‌های بازسازی سه‌بعدی و بازسازی مبتنی بر چند دوربین
- درک روش‌های استخراج و انطباق نقاط کلیدی در تصاویر
- آشنایی با برازش مقاوم مدل‌ها و کاربرد آن در تحلیل داده‌های تصویری
- شناخت روش‌های خوشه‌بندی، بخش‌بندی و دسته‌بندی در بینایی کامپیوتر
- آشنایی با کاربرد یادگیری ژرف در حل مسائل بینایی کامپیوتر
این درس برای دانشجویان و دانش‌آموختگان مهندسی کامپیوتر، علوم کامپیوتر و رشته‌های مرتبط مناسب است. همچنین، افرادی که به هوش مصنوعی، پردازش تصویر، رباتیک، تحلیل داده‌های تصویری و توسعه سامانه‌های هوشمند علاقه‌مندند، می‌توانند با گذراندن این درس، درک منسجم‌تری از مبانی و روش‌های بینایی کامپیوتر به دست آورند.
پیش‌نیاز
آشنایی مقدماتی با برنامه‌نویسی و مفاهیم پایه ریاضیات برای بهره‌گیری بهتر از این درس توصیه می‌شود. آشنایی با جبر خطی، هندسه و مبانی پردازش سیگنال و تصویر نیز می‌تواند به درک عمیق‌تر مباحث، به‌ویژه در بخش‌های هندسه سه‌بعدی و بازسازی صحنه، کمک کند.
سرفصل‌ها
- معرفی دوره، برخی تعاریف پایه، و کاربردها
- مروری بر پردازش سیگنال و تصویر
- هندسه سه¬بعدی
- دوربین و افکنش
- بازسازی سه¬بعدی
- بازسازی چنددوربینی
- استخراج نقاط کلیدی
- انطباق نقاط کلیدی
- برازش مدل مقاوم
- گروه بندی داده (خوشه‌بندی، بخش‌بندی، و دسته‌بندی)
- یادگیری ژرف در بینایی کامپیوتر
ارزیابی
- آزمون پایانی: 14 نمره
- تمرین و پروژه: 6 نمره
منابع
- KTH Lecture Notes on Geometric Computing, Stefan Carlsson, http://www.nada.kth.se/~stefanc/gc_lec_notes.pdf
- Computer Vision: Algorithms and Applications, Richard Szeliski, Springer; 1st Edition (Oct. 1, 2010), ISBN-10: 1848829345, ISBN-13: 978-1848829343.
- An Invitation to 3-D Vision, Yi Ma, Stefano Soatto, Jana Kosecka, & Shankar Sastry, Springer (November 14, 2003), ISBN-10: 0387008934, ISBN-13: 978-0387008936.
- Computer Vision – A Modern Approach, David A. Forsyth & Jean Ponce, Prentice Hall; US ed Edition (August 24, 2002), ISBN-10: 0130851981, ISBN-13: 978-0130851987.