| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Bilgisayarlı Görme Uygulamaları | ECE6008 | 3 + 0 | 7,5 |
| Birim Bölüm | ELEKTRONİK VE BİLGİSAYAR MÜHENDİSLİĞİ - DR |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze. |
| EBS Koordinatörü | Doç. Dr. Emre DANDIL |
| Ders Veren | Doç. Dr. Emre DANDIL |
| Amaç |
Sanayide otomasyon sistemlerinde bilgisayarlı görü sistemlerine karar verme ihtiyacına duyulmaktadır. bunların başında sayısal parça sayma, kalite kontrol gibi uygulamalar vardır. Bu derste öğrencilerin görüntü işlemeyi öğrenip, endüstriyel bir uygulamaya yönelik bir bilgisayar görmesi yazılımını yapabilmeleri hedeflenmektedir. |
| Ders İçeriği |
Bilgisayar görmesine giriş. Temel kavramlar. Görüntü matrisinin oluşturulması.Komşuluk prensipleri. Bilgisayar görmesi yazılım ve donanım mimarisi. Gri, ikili ve renkli görüntü isleme. Nicemleme, filtreleme. Kenar belirleme. Özellik çıkarma. 3D bilgisayar görmesinin temelleri. Uygulamalar. |
| Ders Kaynakları |
DAVIES, E.R., Machine vision: Theory, Algorithms, Practicalities, Academic Pres, 1997
UMBAUGH S. E., Computer Vision and Image Processing, Prentice-Hall, 1998, USA. GONZALEZ R.C., WOODS R.E., and ADDINS S.L., Digital Image Processing Using Matlab, Pearson Education Inc., New Jersey, 2004. LOW A., Introductory Computer Vision and Image Processing, McGrow-Hill, 1991, ENGLAND. R. Szeliski. Computer Vision: Algorithms and Applications, Springer Science & Business Media, 2010. |
| Açıldığı Öğretim Yılı | 2020 - 2021 2021 - 2022 2022 - 2023 2024 - 2025 2025 - 2026 |
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Ara Sınav 1 | 30 |
| Ödev (Sunum) | 20 |
| Toplam | 50 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Final | %50 |
| Toplam | %50 |
| Yarıyıl İçinin Başarıya Oranı | %50 |
| Yarıyıl Sonu Çalışmalar | %50 |
| Toplam | %100 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | 3,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Bilgisayar görmesine giriş, insan görme sistemi, temel bilgiler | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 2 | Özellik noktası çıkarma ve eşleştirme | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 3 | Doğrusal filtreler | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 4 | Pratik lineer cebir | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 5 | Homografi ve görüntü birleştirme, Kamera geometrisi | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 6 | Stereo görüş ve derinlik tahmini | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 7 | Hareket algılama | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 8 | Şekil, sahne ve nesne tanıma | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 9 | Koşullu ve Markov rastgele alanlar | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 10 | Görsel takip/izleme | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 11 | Eylem tanıma ve hareket büyütme | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 13 | Derin öğrenme kullanarak görüntü sınıflandırması | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 13 | Derin öğrenme kullanarak görüntü sınıflandırması | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| 14 | Örnek Literatür Araştırması ve Proje İlerleme Sunumları | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Derin öğrenme yöntemleri ile görüntü bölütleme yapabilir, sınıflandırabilir ve videolardan hareket takip edebilir | Yazılı Sınav Ödev / Proje Laboratuvar Çalışması Sunum / Seminer | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Önceden planlanmış özel beceriler Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
| Stereo görüyü bilir ve derinlik tahmini yapabilir | Yazılı Sınav Ödev / Proje Laboratuvar Çalışması Sunum / Seminer | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Önceden planlanmış özel beceriler Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
| Makine öğrenmesi ve derin öğrenme yöntemleri ile şekil, sahne ve nesne tanıma yapabilir | Yazılı Sınav Ödev / Proje Laboratuvar Çalışması Sunum / Seminer | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Önceden planlanmış özel beceriler Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
| Görüntülerden ve videolardan özellik çıkarımı yaparak bunları kullanır | Yazılı Sınav Ödev / Proje Laboratuvar Çalışması Sunum / Seminer | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Önceden planlanmış özel beceriler Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
| Bilgisayar görmesinin detaylarına hakim olur | Yazılı Sınav Ödev / Proje Laboratuvar Çalışması Sunum / Seminer | Ders Sınıf Dışı Çalışma Problem Çözme Laboratuar | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Önceden planlanmış özel beceriler Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
DERS ÖĞRENME ÇIKTISI |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Derin öğrenme yöntemleri ile görüntü bölütleme yapabilir, sınıflandırabilir ve videolardan hareket takip edebilir | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - | ;
| Stereo görüyü bilir ve derinlik tahmini yapabilir | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - | ;
| Makine öğrenmesi ve derin öğrenme yöntemleri ile şekil, sahne ve nesne tanıma yapabilir | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - | ;
| Görüntülerden ve videolardan özellik çıkarımı yaparak bunları kullanır | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - | ;
| Bilgisayar görmesinin detaylarına hakim olur | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - | ;
| Ortalama Değer | 3 | 4 | 3 | 4 | 4 | 4 | 2 | 2 | 3 | 2 | - | - | - | - | - |
