Klasifikace a rozpoznávání

• 26 hod. přednášky
• 13 hod. cvičení
• 13 hod. projekty

• 60 bodů závěrečná zkouška (písemná část)
• 15 bodů půlsemestrální test (písemná část)
• 25 bodů projekty

Studenti se v rámci předmětu seznámí s problematikou klasifikace a rozpoznávání a naučí se aplikovat základní algoritmy a metody v této oblasti na vybrané problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Porozumí rozdílům mezi jednotlivými metodami a dokáží využít výhod existujících klasifikátorů při řešení prakticky orientovaných projektů.

Studenti se naučí řešit týmové projekty. Zdokonalí se v praktickém užívání programátorských nástrojů.

Porozumět základům klasifikace a rozpoznávání a naučit se aplikovat základní algoritmy a metody v této oblasti na problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Seznámit se způsoby vyhodnocování úspěšnosti metod. Pochopit základní principy statistického rozpoznávání vzorů, diskriminativního trénování a vytváření hybridních systémů.

• Signály a systémy (ISS)
• Základy počítačové grafiky (IZG)

Základní znalost běžného matematického formalismu.

• Mařík, V., Štěpánková, O., Lažanský, J. a kol.: Umělá inteligence (1-4), ACADEMIA Praha, 1998-2003, ISBN 80-200-1044-0.

• Bishop, C. M.: Pattern Recognition, Springer Science + Business Media, LLC, 2006, ISBN 0-387-31073-8.
• Fukunaga, K. Statistical pattern recognition, Morgan Kaufmann, 1990, ISBN 0-122-69851-7.

1. Úlohy klasifikace a rozpoznávání, základní schéma klasifikátoru, datové množiny a vyhodnocování úspěšnosti.
2. Pravděpodobnostní rozdělení, lineární modely
3. Statistické rozpoznávání vzorů, bayesovký rámec, metoda maximální věrohodnosti
4. Modelování sekvencí, skryté Markovovy modely, lineární dynamické systémy
5. Generativní a diskriminativní modely
6. Aplikace ve zpracování řeči - rozpoznávání mluvčího, rozpoznávání jazyka, rozpoznávání řeči, detekce klíčových slov
7. Kernelové metody
8. Smíšené modely, metoda maximalizace očekávání
9. Kombinování modelů, spojování slabých klasifikátorů
10. AdaBoost, základní princip a modifikace metody
11. Aplikace ve zpracování obrazu - rozpoznávání 2D objektů, vyhledávání obličejů, OCR
12. Rozpoznávání vzorů v textu, gramatiky, jazyky, analýza textu
13. Prezentace projektů, směry dalšího vývoje

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

• Vypracování projektu

Kontrolovaná výuka zahrnuje půlsemestrální test, individuální projekt a písemnou zkoušku. Půlsemestrální test nemá náhradní termín, závěrečná zkouška má dva možné náhradní termíny.