Detail předmětu

Počítačové vidění (v angličtině)

FIT-POVaAk. rok: 2026/2027

Seznámení s principy a metodami počítačového vidění: formace obrazu a geometrie snímání scény, obrazové příznaky a jejich párování, geometrická rekonstrukce scény, analýza pohybu a lokalizace, rozpoznávání a segmentace vizuálního obsahu, učení vizuálních reprezentací, propojení obrazu a jazyka, metody 3D počítačového vidění, analýza videa a otevřené problémy počítačového vidění.

Jazyk výuky

angličtina

Počet kreditů

5

Příslušnost k typu studijního programu

magisterský navazující

Garant předmětu

prof. Dr. Ing. Pavel Zemčík, dr. h. c.

Zajišťuje ústav

Ústav počítačové grafiky a multimédií (UPGM)

Nabízen zahraničním studentům

Všech fakult

Způsob zakončení předmětu a pravidla hodnocení studentů

Dvě domácí úlohy, půlsemestrální test a individuální projekt.

Učební cíle

Studenti získají ucelený přehled o principech a metodách počítačového vidění, od geometrických přístupů po současné metody založené na neuronových sítích. Porozumí procesu snímání scény, kalibraci kamery a rekonstrukci 3D informace a tyto znalosti si prakticky ověří na samostatné domácí úloze. Seznámí se s reprezentacemi obrazových dat a s moderními přístupy k detekci a rozpoznávání objektů. V rámci praktické úlohy si sestaví vlastní datovou sadu a natrénují vlastní detektor objektů. Získané znalosti dále uplatní při zpracování týmového projektu na vybrané téma. Zároveň se zdokonalí v práci s nástroji pro zpracování obrazu a strojové učení v jazyce Python, v přípravě a anotaci dat a ve vyhodnocování experimentálních výsledků.

Doporučená literatura

Hartley, R., Zisserman, A.: Multiple View Geometry in Computer Vision, 2nd edition, Cambridge University Press, 2004, ISBN 978-0-521-54051-3
Prince, S.J.D.: Understanding Deep Learning, The MIT Press, 2023, ISBN 978-0-262-04864-4
Szeliski, R.: Computer Vision: Algorithms and Applications, 2nd edition, Springer, 2022, ISBN 978-3-030-34371-2
Torralba, A., Isola, P., Freeman, W.T.: Foundations of Computer Vision, The MIT Press, 2024, ISBN 978-0-262-04897-2 

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MIT-EN magisterský navazující 0 ročník, zimní semestr, volitelný

  • Program IT-MGR-1H magisterský navazující

    specializace MGH , 0 ročník, zimní semestr, doporučený kurs

  • Program MITAI magisterský navazující

    specializace NHPC , 0 ročník, zimní semestr, volitelný
    specializace NVER , 0 ročník, zimní semestr, volitelný
    specializace NIDE , 0 ročník, zimní semestr, volitelný
    specializace NISY , 0 ročník, zimní semestr, volitelný
    specializace NSPE , 0 ročník, zimní semestr, volitelný
    specializace NEMB , 0 ročník, zimní semestr, volitelný
    specializace NBIO , 0 ročník, zimní semestr, volitelný
    specializace NSEN , 0 ročník, zimní semestr, volitelný
    specializace NVIZ , 0 ročník, zimní semestr, povinný, je součástí profilujícího základu
    specializace NGRI , 0 ročník, zimní semestr, volitelný
    specializace NADE , 0 ročník, zimní semestr, volitelný
    specializace NISD , 0 ročník, zimní semestr, volitelný
    specializace NMAT , 0 ročník, zimní semestr, volitelný
    specializace NSEC , 0 ročník, zimní semestr, volitelný
    specializace NNET , 0 ročník, zimní semestr, volitelný
    specializace NMAL , 0 ročník, zimní semestr, volitelný
    specializace NCPS , 0 ročník, zimní semestr, povinný, je součástí profilujícího základu

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Michal Hradiš, Ph.D.
Ing. Marek Šolony, Ph.D.
Ing. Marek Vaško
prof. Dr. Ing. Pavel Zemčík, dr. h. c.
doc. Ing. Vítězslav Beran, Ph.D.
doc. Ing. Michal Španěl, Ph.D.
prof. Ing. Martin Čadík, Ph.D.

Osnova

  1. Úvod, motivace a aplikace. (Zemčík 15.9.)
  2. Vznik obrazu, kamery. Projekce, kalibrace kamery, zkreslení a souřadnicové systémy. (Zemčík 22.9.)
  3. Příznaky a korespondence. Klasické detektory a deskriptory (Harris, SIFT), naučené příznaky a metody párování. (Beran 29.9.)
  4. Robustní geometrický odhad. Homografie, RANSAC, model fitting, jedna kamera. (Čadík 6.10.)
  5. Geometrie dvou a více pohledů. Epipolární geometrie, triangulace a rekonstrukce struktury z pohybu (SfM). (Šolony, 13.10.)
  6. Pohyb a lokalizace. Bundle adjustment, sledování stavu, vizuální odometrie a SLAM. (Šolony, 20.10.)
  7. Neuronové sítě pro počítačové vidění. Od klasických příznaků ke konvolučním neuronovým sítím (CNN) a vizuálním transformerům (ViT). (Hradiš, 27.10.)
  8. Optický tok a husté párování. Neuronový optický tok, řídké a husté párování a výhled na end-to-end 3D rekonstrukci. (Čadík 3.11.)
  9. (Test) Hloubka a moderní 3D. Monokulární odhad hloubky, mračna bodů, reprezentace objemů a přehled neuronových polí (NeRF) a Gaussian splattingu. (Španěl 10.11.)
  10. Státní svátek (17.11.)
  11. Detekce a segmentace. Od anchor-based formulací a posuvného okna k YOLO a DETR; sémantická a instanční segmentace; modely typu SAM řízené prompty. (Vaško 24.11.)
  12. Učení vizuálních reprezentací a modely spojující obraz a jazyk. Transfer learning, self-supervised learning a reprezentace typu DINO; CLIP, rozpoznávání s otevřeným slovníkem, visual grounding a vizuálně-jazykové modely (VLM). (Hradiš, 1.12.)
  13. Současné trendy a vestavěné počítačové vidění. Ukázky současného stavu poznání a efektivní nasazení modelů počítačového vidění na vestavěných zařízeních. (8.12.)

POZOR: Témata přednášek jsou orientační a budou v průběhu semestru aktualizována.

Projekt

26 hod., povinná

Vyučující / Lektor

Ing. Martin Kostelník
Ing. Michal Hradiš, Ph.D.

Osnova

Projektová práce v předmětu se skládá ze dvou částí:

  1. (10b) Dvě individuální domácí úlohy. První je zaměřena na kalibraci kamery a projekci 3D animace do reálného videa (rozšířená realita) v první polovině semestru. Druhá spočívá v tvorbě vlastní datové sady a natrénování vlastního detektoru objektů ve druhé polovině semestru.
  2. (30b) Týmový projekt pro 2-3 studenty na vybraná témata. Po konzultaci je možno si vymyslet téma vlastní. Výsledky budou prezentovány formou plakátů na konci semestru. Projekty z minulých let můžete vidět zde: https://www.fit.vut.cz/person/ikostelnik/public/knn-pova-projects/.

Elearning

eLearning: aktuální otevřený kurz