1. | | Rozpoznávání, rozhodování, formalizace, bayesovský přístup |
2. | | Statistické modely, zejména gaussovský, odhadování parametrů |
3. | | Lineární klasifikátor. Support vector machine |
4. | | Perceptron, neuronové sítě. Radiální jádrové funkce |
5. | | Shlukování, EM algoritmus. Učení bez učitele |
6. | | Vapnikova a jiné teorie učení |
7. | | Strukturní rozpoznávání |
8. | | Cíle zpracování obrazu a počítačového vidění, psychologie lidského vidění |
9. | | Obraz jako signál, vznik obrazu, přístroje a techniky pro získávání 3D obrazových dat |
10. | | Předzpracování a restaurace obrazu |
11. | | Komprese obrazu, bezeztrátové a ztrátové metody |
12. | | Segmentace, příznaky, invarianty, prostor měřítek, deformabilní modely |
13. | | Matematická morfologie |
14. | | Rozpoznávání a zpracování biomedicínských obrazů |
1. | | Pravděpodobnosti. Bayesův klasifikátor |
2. | | Matlab. Odhady parametrů |
3. | | Lineární klasifikátory a Support Vector Machine |
4. | | Shlukování a EM algoritmus |
5. | | Řešení praktické rozpoznávací úlohy I. |
6. | | Řešení praktické rozpoznávací úlohy II. |
7. | | Odevzdání úlohy |
8. | | Zpracování obrazu a počítačového vidění |
9. | | Zadání úlohy |
10. | | Řešení praktické úlohy I. |
11. | | Řešení praktické úlohy II. |
12. | | Řešení praktické úlohy II. |
13. | | Odevzdání závěrečné zprávy |
14. | | Prezentace formou semináře, zápočty |
[1] | | Kotek, Z. et al.: Metody rozpoznávání a jejich aplikace. Academia, Praha, 1993 |
[2] | | Schlesinger, M.I., Hlaváč, V.: 10 přednášek z teorie statistického a strukturního rozpoznávání. ČVUT, 1999 |
[3] | | Mařík, V. et al.: Umělá inteligence (2). Academia, Praha, 1997 |
[4] | | Mařík, V. et al.: Umělá inteligence (3). Academia, Praha, 2001 |