|
BIL5040 | Bilgisayarla Görme | 3+0+0 | AKTS:7.5 | Yıl / Yarıyıl | Bahar Dönemi | Ders Duzeyi | Yüksek Lisans(Tezli) | Yazılım Şekli | Seçmeli | Bölümü | BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI | Ön Koşul | Yok | Eğitim Sistemi | Yüz yüze | Dersin Süresi | 14 hafta - haftada 3 saat teorik | Öğretim Üyesi | -- | Diğer Öğretim Üyesi | Yok | Öğretim Dili | Türkçe | Staj | Yok | | Dersin Amacı: | Bilgisayarla görmenin ana ilkelerini yorumlayabilecek beceriler kazandırılır ve bunların güncel çalışmalarda nasıl kullanılacağı gösterilir. |
Öğrenim Kazanımları | PÖKK | ÖY | Bu dersi başarı ile tamamlayan öğrenciler : | | | ÖK - 1 : | temel imge işleme ve bilgisayarla görü yöntemlerini uygulayabilir. | 1,3,4,5,8,10,11 | 1 | ÖK - 2 : | bilgisayarla görü araştırma alanlarında temel işlev becerisi kazanabilir. | 1,2,3,4,5,8,10,11,14,15 | 1,2 | ÖK - 3 : | güncel örüntü tanıma problem ve projelerine çözüm geliştirebilme becerisi kazanabilir. | 1,3,4,5,8,10,11,13,14,15 | 1,2 | ÖK - 4 : | disiplinlerarası uygulama alanlarında bilgisayarla görü yaklaşımlı çözümler üretebilir. | 1,4,7,8,10,11,14,15 | 2 | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | |
İmgenin ön-işlenmesi; Yöresel ön-işleme, Kenar algılayıcılar; Eşiklemeye dayalı imge bölütlendirme; Kenar algılamaya, bölgecik büyütme-küçültmeye dayalı imge bölütleme; Eşleştirme yöntemleri; Doku özellik üretimi ve İstatistiksel olarak imge dokularının tanımlanması; Özellik Sınıflandırma; Şekillerin simgelenmesi ve tanımlanması; Örüntülerde özellik çıkarımı ve istatistiksel örüntü tanıma; Görüntü sınıflandırma ve anlama; Matematiksel morfoloji; 3-B görüntüleme ve geometrisi; İmge dizilerinde hareket analizi; |
|
Haftalık Detaylı Ders Planı | Hafta | Detaylı İçerik | Önerilen Kaynak | Hafta 1 | İmgenin ön-işlenmesi | | Hafta 2 | Yöresel ön-işleme, Kenar algılayıcılar | | Hafta 3 | Eşiklemeye dayalı imge bölütlendirme; | | Hafta 4 | Kenar algılamaya, bölgecik büyütme-küçültmeye dayalı imge bölütleme; | | Hafta 5 | Kümeleme ile Bölütleme ve Eşleştirme yöntemleri, | | Hafta 6 | Doku özellik üretimi ve İstatistiksel olarak imge dokularının tanımlanması | | Hafta 7 | Temel Özellik Sınıflandırma | | Hafta 8 | Şekillerin simgelenmesi ve tanımlanması | | Hafta 9 | Ara sınav | | Hafta 10 | Örüntülerde özellik çıkarımı ve istatistiksel örüntü tanıma | | Hafta 11 | Görüntü sınıflandırma ve anlama, | | Hafta 12 | Matematiksel morfoloji | | Hafta 13 | 3-B görüntüleme ve geometrisi | | Hafta 14 | Örüntü Tanımada Temel Bileşenler ve Fisher Ayırtaç Analizleri | | Hafta 15 | Örüntü Sınıflandırma Algoritmaları | | Hafta 16 | Dönem sonu sınavı | | |
1 | Milan Sonka, Vaclav Hlavac, Roger Boyle, 1999, Image Processing, Analysis, and Machine Vision, Second Edition, PWS Puıblishing, | | |
1 | Rafael C. Gonzales, Richard E. Woods, 1998, Digital Image Processing, Addison-Wesley Publishing Company | | 2 | Gerhard X. Ritter, Joseph N. Wilson, 2001, Handbook of Computer Vision Algorithms in Image Algebra, CRC Press | | |
Ölçme Yöntemi | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | Arasınav | 9 | 12/04/2013 | 2 | 30 | Proje | 15 | 24/05/2013 | 2 | 20 | Dönem sonu sınavı | 16 | 07/06/2013 | 2 | 50 | |
Öğrenci Çalışma Yükü | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | Yüz yüze eğitim | 3 | 14 | 42 | Sınıf dışı çalışma | 4 | 14 | 56 | Arasınav için hazırlık | 12 | 1 | 12 | Arasınav | 2 | 1 | 2 | Proje | 5 | 14 | 70 | Dönem sonu sınavı için hazırlık | 15 | 1 | 15 | Dönem sonu sınavı | 3 | 1 | 3 | Toplam Çalışma Yükü | | | 200 |
|