| datasets | ||
| img | ||
| vid | ||
| .gitignore | ||
| README.md | ||
| wko-01.ipynb | ||
| wko-02.ipynb | ||
| wko-03.ipynb | ||
| wko-04.ipynb | ||
| wko-05.ipynb | ||
| wko-06.ipynb | ||
| wko-07.ipynb | ||
| wko-08.ipynb | ||
| wko-09.ipynb | ||
| wko-10.ipynb | ||
Widzenie komputerowe – materiały do zajęć
Cele przedmiotu
Celem kursu jest nabycie umiejętności wykorzystywania klasycznych i współczesnych algorytmów z dziedziny widzenia komputerowego. Uczestnicy zajęć będą przetwarzać obrazy cyfrowe oraz materiały wideo w celu odwzorowania zadań, do których jest przystosowany system wzrokowy człowieka, np. takich jak rozpoznawanie i śledzenie obiektów. Kurs będzie opierał się na praktycznym wykorzystaniu biblioteki OpenCV.
Wymagania wstępne w zakresie wiedzy, umiejętności oraz kompetencji społecznych
- Umiejętność programowania na poziomie inżyniera informatyki.
- Znajomość podstaw uczenia maszynowego.
Oprogramowanie
- Ubuntu 20.04
- Python 3.7
- OpenCV 4.5.3
- FFmpeg 4.1.8
Literatura
- L. Venturi, & K. Korda (2020). Hands-On Vision and Behavior for Self-Driving Cars. Packt Publishing.
- D.M. Escriva, & R. Laganiere (2019). OpenCV 4 Computer Vision Application Programming Cookbook (wyd. 4). Packt Publishing.
- A.F. Villan (2019). Mastering OpenCV 4 with Python. Packt Publishing.
- E.R. Davies (2017). Computer Vision: Principles, Algorithms, Applications, Learning (wyd. 5). Academic Press.
- R. Szeliski (2021). Computer Vision: Algorithms and Applications. Springer-Verlag.
- D. Fouhey, & J. Johnson (2021). EECS 442: Computer Vision. University of Michigan.
- S. Malick (2021). LearnOpenCV.