FI:PA228 ML in Image Processing - Informace o předmětu

PA228 Machine Learning in Image Processing

Rozsah

2/2/1. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: z.
Vyučováno kontaktně

Vyučující

doc. RNDr. Petr Matula, Ph.D. (přednášející)
doc. RNDr. Martin Maška, Ph.D. (cvičící)
doc. RNDr. David Svoboda, Ph.D. (cvičící)
Aleksandra Melnikova (pomocník)
Mgr. Jakub Pekár (pomocník)
Bc. Matěj Pekár (pomocník)

Garance

doc. RNDr. Petr Matula, Ph.D.
Katedra vizuální informatiky – Fakulta informatiky
Dodavatelské pracoviště: Katedra vizuální informatiky – Fakulta informatiky

Rozvrh

Čt 19. 2. až Čt 14. 5. Čt 8:00–9:50 A217

• Rozvrh seminárních/paralelních skupin:

PA228/01: Čt 19. 2. až Čt 14. 5. Čt 10:00–11:50 C119, M. Maška
PA228/02: Čt 19. 2. až Čt 14. 5. Čt 12:00–13:50 C119, D. Svoboda

Předpoklady

It is recommended to have a basic knowledge of image processing (at least at the level of course PB130), the knowledge of neural networks at the level of course PV021, and basic knowledge of Python.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 54 stud.
Momentální stav registrace a zápisu: zapsáno: 54/54, pouze zareg.: 3/54, pouze zareg. s předností (mateřské obory): 1/54

Mateřské obory/plány

• Analýza a zpracování obrazu (program FI, N-VIZ)
• Image Processing and Analysis (program FI, N-VIZ_A)
• Machine learning and artificial intelligence (program FI, N-UIZD_A)
• Processing and analysis of large-scale data (program FI, N-UIZD_A)
• Strojové učení a umělá inteligence (program FI, N-UIZD)

Anotace

The objective of the course is to introduce approaches for solving common image processing problems using machine learning methods.

Výstupy z učení

At the end of the course students should be able to: understand, use, and evaluate machine learning models in the area of image processing; know how to employ pre-trained models using transfer learning; how to deal with big datasets that do not fit available memory; and how to prepare data to get relevant results.

Klíčová témata

• Image classification
• Object detection
• Semantic segmentation
• Instance segmentation
• Image generation
• Style transfer
• Image captioning
• Image inpainting
• Video processing

Studijní zdroje a literatura

• PLANCHE, Benjamin a Eliot ANDERS. Hands-On Computer Vision with TensorFlow 2: Leverage deep learning to create powerful image processing apps with TensorFlow 2.0 and Keras. Packt Publishing, 2019. ISBN 1-78883-064-4. info

Přístupy, postupy a metody používané ve výuce

Lectures followed by class exercises in a computer room to gain hands-on experience.

Způsob ověření výstupů z učení a požadavky na ukončení

Mandatory practicals (labs) on computers with a mandatory semestral project. Written final exam with an optional oral part.

Vyučovací jazyk

Angličtina

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fi/jaro2026/PA228