Visão Computacional: mudanças entre as edições
De Pontão Nós Digitais
Ir para navegaçãoIr para pesquisar
(→Links: link to other courses at brown) |
|||
Linha 63: | Linha 63: | ||
== Tarefas == | == Tarefas == | ||
== Labs == | |||
=== Repositorio === | |||
Todo material dos trabalhos (imagens, pdfs, etc) pode ser baixado pelo [[Git]] [https://github.com/rfabbri/vision-course]: | |||
git clone https://github.com/rfabbri/vision-course.git | |||
=== Labs: Informacoes Gerais === | |||
=== Lab1: Processamento ponto a ponto === | |||
* [https://github.com/rfabbri/vision-course/blob/master/lab1/lab1-visao-computacional-IPRJ-2013-v1.pdf?raw=true Enunciado] | |||
* As imagens necessarias estao no repositorio [[Git]][https://github.com/rfabbri/vision-course/tree/master/lab1/figs] | |||
== Projetos == | == Projetos == |
Edição das 20h10min de 7 de novembro de 2013
Esta é a pagina principal do curso de visão computacional ministrado em 2013/2 no IPRJ/UERJ, de utilidade geral para a formação de programadores de nivel intermediario e avancado para desenvolvimento de software multimídia, aplicativos interativos, dentre outros.
Informacoes gerais
- Instrutor: prof. Ricardo Fabbri, Ph.D.
- Periodo: 2o. Semestre de 2013, voltado ao 10o. periodo de Engenharia da Computacao
- Tercas 2:20pm-4:00pm sala 211 e Quintas 1:20pm-3:10pm, sala 212. Alguns dias no Lab Inf xx
Pre-requisitos
O aluno deverá saber conceitos básicos de programação e conseguir aprender linguagens rapidamente sob demanda durante o curso. Experiência previa com algebra linear e calculo vetorial altamente recomendados. A linguagem a ser utilizada para aprendizado sera o Scilab, C++, e Pd.
Conteudo aproximado
- Introducao, processamento de imagens basico, ajustes, morfologia matematica
- Filtros, Transformadas de Fourier, Piramides e Wavelets
- Deteccao e Ligacao de bordas e pontos de interesse
- Cores e Iluminacao
- Reconstrucao 3D e Auto-calibracao esparsa de Cameras
- Geometria de visao estereo bifocal, trifocal e multifocal
- Fluxo optico e estimacao de movimento 3D denso e nao-rigido
- Reconhecimento, Aprendizado de Maquina, Manifold Learning
Recursos principais
- Grupo de discussao: uerj.tk
Bibliografia
- Principal 1: Computer Vision, Richard Szeliski, cujo pdf se encontra on-line: http://szeliski.org/Book
- Principal 2: Shape Classification and Analysis, 2nd. Ed., Luciano da Fontoura Costa & Roberto Marcondes Cesar Jr.
- Usaremos este livro para muito do material dado em aula
Recursos adicionais
Aulas
Um video sobre aspectos interessantes da tecnologia sera apresentado a cada aula.
- Introducao - videos, demos, formato do curso
- Aula 2 - conceitos fundamentais e notacao
- inspiring video: http://youtu.be/Oie1ZXWceqM
- Equalizacao de Histogramas e Outras Tecnicas de Realce - 10/out/2013
- inspiring video: https://vimeo.com/36239715
- Filtragem de Imagens no dominio espacial, parte 1
- Filtragem de Imagens no dominio da frequencia, transformada de Fourier, aliasing
- inspiring video: water spiral vs framerate
- Morfologia Matematica, Geometria Discreta, Componentes Conexos, Transformadas de Distancia, Esqueletizacao, Diagramas de Voronoi (pdf | keynote) - 16/out/2013
- Pontos de Interesse - ate 5/nov/2013
- Notas de aula sobre detector e descritor SIFT
- Slides da Brown University foram usados
- Cor e Luz: Fisica, Percepcao, Deteccao
Links
- Image Understanding course at Brown Engineering
- 2013 course http://mesh.brown.edu/engn1610
- 2011 course http://vision.lems.brown.edu/engn161/fall2011
- Computer Vision course at Brown Computer Science http://cs.brown.edu/courses/cs143
- Curso de Computacao Paralela do IPRJ: incluindo CUDA
- Curso de Álgebra Linear Numérica do IPRJ: muitos conceitos úteis para visao computacional e computação gráfica
- Curso de Computacao Grafica do IPRJ
- Curso de Teoria dos Padroes do IPRJ: aprendizagem de maquina, tecnicas estocasticas, vertente importante de Visao Computacional
Provas
Tarefas
Labs
Repositorio
Todo material dos trabalhos (imagens, pdfs, etc) pode ser baixado pelo Git [1]:
git clone https://github.com/rfabbri/vision-course.git