Modulets indhold, forløb og pædagogik
Formålet med dette kursus er at udstyre den studerende med viden
og færdigheder om hvordan man analyserer indholdet af data, især
billeder og video, og hvordan man træffer beslutninger baseret på
analysen.
Læringsmål
Viden
- Skal have viden om byggestenene i et generisk
klassifikationssystem
- Skal have viden om forskellige farverepræsentationer
- Skal være i stand til at forstå principperne om punkt- og
nabolagsprocessering
- Skal kunne forstå, hvad en BLOB er, og hvordan den kan
udvindes
- Skal kunne forstå, hvordan bevægelige genstande kan segmenteres
i en videosekvens
- Skal kunne forstå begrebet multidimensionelt
feature-space.
- Skal være i stand til at forstå princippet bag Bayes-reglen og
hvordan en klassifikator kan udledes herfra
- Skal kunne forstå, hvordan man vurderer et
klassifikationssystem
Færdigheder
- Skal kunne anvende punktbehandlingsmetoder som kortgrafik,
histogramstrækning, tærskelværdier og billedaritmetik
- Skal kunne anvende nabolagsmetoder som medianfilter,
middelfilter og kantdetektering
- Skal kunne anvende morfologiske operationer som erosion,
dilation åbning og lukning
- Skal kunne foreslå / vælge relevante funktioner og metoder til
udvinding af disse
- Skal kunne anvende Mahalanobis afstand
- Skal kunne anvende dimensioneringsreduktionsmetoder til et
funktionsrum
Kompetencer
- Skal kunne designe og implementere billedbehandlingsmetoder til
at løse et problem
- Skal kunne designe og implementere et simpelt
klassifikationssystem
Undervisningsform
Undervisningsform er angivet i §17; uddannelsens indhold og
tilrettelæggelse.
Eksamen
Prøver
Prøvens navn | Robot perception |
Prøveform | Skriftlig eller mundtlig |
ECTS | 5 |
Bedømmelsesform | Bestået/ikke bestået |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets
eksamensordning |