Počítačové vidění (v angličtině)

• 26 hod. přednášky
• 26 hod. projekty

• 51 bodů závěrečná zkouška (26 bodů písemná část, 25 bodů testová část)
• 9 bodů půlsemestrální test (3 bodů písemná část, 6 bodů testová část)
• 40 bodů projekty

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.

• 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 

• 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

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.

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/.

Dvě domácí úlohy, půlsemestrální test a individuální projekt.