Versio Horrible
Johtuen poikkeuksellisen lyhyestä aikataulusta (4op) ja asian järkyttävästä määrästä (kurssikirjana toimiva Computer Vision: Algorithms and Applications on noin tuhat sivua ja lähes joka sivulla viitataan noin kymmeneen tutkimukseen aiheesta), kurssi pidetään projektimuotoisena. Kurssin tavoitteena onkin asian täydellisen ja kattavan hallinann sijaan
Kurssin on tarkoitus antaa valmiuksia, muiden esitietojen ohella, omatoimiseen konenäön harrastamiseen, mutta missään tapauksessa se ei tule tekemään kenestäkään alan asiantuntijaa. Kurssin käymisen jälkeen osaat esimerkiksi tehdä ohjelman, joka
Kurssi koostuu kolmesta osa-alueesta, kotitenteistä, tutoriaaleista ja projektityöstä. Projektityö vastaa kurssin käytännön harjoittelusta ja se tehdään siitä syystä, että yksi kurssin tavoite on antaa konkreettista tuntumaan konenäkötehtävien ratkaisuun. Jotta kurssi ei kuitenkaan jäisi kovin kapea-alaiseksi, projektitöiden lisäksi tarjotaan tutoriaaleja, joissa kokeillaan eri konenäkömenetelmiä ohjatusti. Viimeisenä yleissivistävänä osuutena on varsin laajan kurssikirjan lukeminen, minkä on tarkoitus antaa tutoriaaleja ja projekteja laajempi ja kattavampi yleiskuva alan nykykehityksestä ja menetelmistä.
Kurssikirjan lukemiseen motivoidaan kotitenteillä, joita tehdään viikottain yksi. Kotitenttien tarkoitus ei ole rankka arvostelu vaan sen varmistaminen, että kurssikirja maltetaan avata joka viikko. Kirjaa lukiessa on hyvä huomata, että kirjoittaja on pyrkinyt enemmänkin kokoamaan kirjallisuuskatsauksen kuin kattavan esittelyn aiheesta, joten kirjassa mainittuihin artikkeleihin kannattaa tutustua.
Projektiaiheen saat kurssin aloitustilaisuudessa. Se on joko enemmän tai vähemmän vaativa konenäkötehtävä, jonka suoritat kurssin aikana, mieluiten ryhmässä muiden opiskelijoiden kanssa.
Klo. | Ma | Ti | Ke | To | Pe |
---|---|---|---|---|---|
8-10 | - | - | - | - | - |
10-12 | Luku & puuha- tuokio | - | - | - | Tutoriaali |
14-16 | - | - | - | - | Kotitenttien palautus |
16-20 | - | - | - | - | - |
Joka viikko kurssin puolesta tarjotaan yksi ohjattu luku / puuhastelutuokio, jossa on ohjaaja paikalla neuvomassa, mutta johon ei ole varattu mitään tiettyä sisältöä. Tämän tuokion tarkoitus on pääasiassa varata opiskelijan kiireiseen elämään hetki, jossa kurssikirjan ehtii varmasti avata ja kurssin asiaa kokeilla käytännössä.
Loppuviikosta on yhteinen tilaisuus, jossa käydään läpi asiaa joko luennon tai tutoriaalin muodossa. Tämän tilaisuuden tarkoitus on esitellä tarkemmin joitain valittuja menetelmiä ja tarjota hands-on-harjoitusta konenäkötehtävien ratkaisemiseen.
Kurssin puolenvälin jälkeen on syytä pyrkiä aloittamaan harjoitustyö ja sen raportointi. Katso myös harjoitustyöraportin mallipohja ennen raportin kirjoittamista.
Kurssin suorittamiseen on hyvä varata vähintään 15 tuntia viikossa. Huomaa, että työmäärä saattaa vaihdella viikosta toiseen ja painottuu kotona opiskeluun.
t/vko | viikkoja | yht. | |
---|---|---|---|
Lukutuokiot | 2 | 8 | 16 |
Tutoriaalit | 2 | 9 | 18 |
Kotitentti + kirja | 5 | 8 | 40 |
Harjoitustyö (kotona) | 7 | 5 | 35 |
9-16 | 9 | 109h = 4op |
Kotitentit palautetaan kurssin vetäjille sähköpostilla.
Kurssin projektityöt palautetaan ajallaan yousource.it.jyu.fi järjestelmään siten, että kukin ryhmä tekee oman palautus-tietovarastonsa kloonaamalla kurssirepon ja lisäämällä oman työnsä oikeisiin alihakemistoihin:
harjoitustyöt/<ryhmän nimi>/
jaharjoitustyöt/<ryhmän nimi>/raportti/
.Huomaa, että suoritukset, tarkastetaan ja niitä voidaan pyytää täydennettävän ennen hyväksyntää.
Aikataulu joustaa ryhmäkohtaisesti aina kurssin päättymispäivään saakka, joten tässä esitetty aikatauluehdotus kannattaa ottaa lähinnä ohjeellisena ja edetä siinä tahdissa kuin itse hyväksi kokee. Kurssin yhteiset tilaisuudet kulkevat kuitenkin tämän aikataulun puitteissa. Viikoittaisissa tutoriaaleissa opetellaan yhdessä käyttämään erilaisia tekniikoita ja algoritmeja, joten niihin osallistuminen tukee harjoitustyön tekemistä.
Viikko | Lukutuokio | Aiheet | Tutoriaali | Muuta |
---|---|---|---|---|
1 | Szeliski, luvut 1&2 | Kuvan muodostus, konvoluutio, pikselioperaatiot | Konvoluutio ja pikselioper. | Harjoitustyön aiheen valinta |
2 | Szeliski, luku 3 | Fourier-muunnos | Fouriermuunnos | |
3 | Luento | Kuvan tilastolliset tunnusluvut ja piirteet, värijakaumat, tekstuurijakaumat, binääristen kappaleiden tunnusluvut | Tilastolliset piirteet | |
4-5 | Szeliski, luvut 4 & 9 | Reunanhaku, pistepiirteet, Houghin muunnos, SURF, SIFT, salienssi | Reunanhaku ja pistepiirteet | Harjoitustyö alkuun |
5 | Szeliski, luku 5 | Segmentointi, Watershed, K-Means, Mean Shift, graafileikkausmenetelmät | Segmentointi | Harjoitustyön raportti alkuun |
6 | Szeliski, luku 14 | Tunnistaminen, luokittimet, K-nn, SVM | Tukivektorit ja kohteiden tunnistus | |
7 | Luento | Erilaiset kuvantamismenetelmät, konfluenssimikroskopia, tomografia, spektrikuvaus, 3D kuvantaminen. | Konenäkö ja GPU | Harjoitustyön ja raportin esiversion palautus |
8-9 | Seminaari | Harjoitustöiden esittely |
(Alunperin korppiin suunniteltu tavoitematriisi. Nykyisellään hieman vanhentunut)
Aihe | Muistaa | Ymmärtää | Soveltaa | Analysoi | Osaa arvioida | Osaa Luoda |
---|---|---|---|---|---|---|
Digitaalisen kuvankäsittelyn historia | X | |||||
Kuvanmuodostus kamerassa | X | |||||
Taajuustaso ja Fourier muunnos | X | |||||
Reunanhaku | X | |||||
Kohinanpoisto | X | |||||
Kynnystysmenetelmät |
|
|||||
Morfologiset menetelmät | X | |||||
Kuvien ja kappaleiden piirteytys ja tunnistaminen koneoppimismenetelmillä | X | |||||
3D-konenäkö ja kappaleiden tunnistaminen | x |