Обробка зображень методами штучного інтелекту
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.022
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор:
Р.Я.Косаревич
Семестр: 2 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей:
інтегральна компетентність (ІНТ):
Здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі інформаційних технологій, штучного інтелекту для ефективного розв’язування складних спеціалізованих задач та практичних проблем під час професійної діяльності або у процесі навчання, що передбачає їхнє застосування для розроблення складних систем, які характеризуються комплексністю та невизначеністю умов.
загальні компетентності (ЗК):
1. уміння спілкуватися другою мовою;
2. здатність навчатися;
3. уміння спілкуватися усно та в письмовій формі першою мовою;
4. здатність здійснювати пошук та аналізувати інформацію з різних джерел;
5. уміння ідентифікувати, формулювати та розв’язувати задачі;
6. уміння застосовувати знання в практичних ситуаціях;
7. уміння приймати обґрунтовані рішення;
8. уміння проводити дослідження на відповідному рівні;
9. уміння працювати в команді;
10. знання та розуміння предметної області та розуміння фаху;
11. уміння думати абстрактно, аналізувати та синтезувати;
12. уміння розробляти та керувати проектами;
13. уміння працювати самостійно.
фахові компетентності спеціальності (ФК):
1. здатність гнучкого способу мислення, який дає можливість зрозуміти й розв’язати проблеми та задачі, зберігаючи при цьому критичне відношення до усталених наукових концепцій;
2. здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі штучного інтелекту для розроблення складних систем;
3. здатність провести усну презентацію та написати зрозумілу статтю за результатами проведених досліджень, а також щодо сучасних концепцій у системах штучного інтелекту та методів опрацювання природної мови;
4. здатність формулювати (роблячи презентації, або представляючи звіти) нові гіпотези та наукові задачі в області штучного інтелекту та опрацювання природної мови, вибирати належні напрями і відповідні методи для їхнього розв’язування;
фахові компетентності спеціалізації (ФКС):
1. здатність зорієнтуватися на рівні спеціаліста в певній вузькій області систем штучного інтелекту, яка лежить поза межами вибраної спеціалізації;
2. здатність ефективно проводити системний аналіз, здійснювати вибір концептуальної моделі середовища інформаційної системи на основі математичних моделей і методів штучного інтелекту, параметризацію компонентів інтелектуальної інформаційної системи;
3. здатність бути лідером розроблення та виконання проекту інтелектуальної інформаційної системи
Результати навчання: Внаслідок вивчення навчальної дисципліни студент повинен бути здатним продемонструвати такі результати навчання:
1. Володіння основними методами перетворення візуальної інформації.
2. Володіння основними методами машинного навчання.
3. Враховувати особливості людського сприйняття інформації при її аналізі.
4. Проводити аналіз та синтез інформативних ознак;
5. Будувати відповідності між абстрактним даним та візуальними атрибутами.
6. здатність формулювати та вдосконалювати важливу дослідницьку задачу, для її вирішення збирати необхідну інформацію та формулювати висновки, які можна захищати в науковому контексті.
7. здатність використовувати професійно-профільні знання і практичні навички для оптимізації проектування інформаційних систем будь-якої складності, для вирішення конкретних завдань проектування інтелектуальних інформаційних систем з керування об'єктами різної фізичної природи.
8. здатність аналізувати та оцінювати коло завдань, які сприяють подальшому розвитку ефективного використання інформаційних ресурсів систем прийняття рішень.
9. здатність проводити оцінку наявних технологій та на основі аналізу формувати вимоги до розроблення перспективних інформаційних технологій.
10. здатність вміти визначати тип інтеграції даних, необхідний для тої чи іншої задачі.
11. здатність здійснювати ефективну комунікативну діяльність роботи команди зі розроблення проекту інформаційної системи.
12. здатність працювати з експертними та текстологічними джерелами інформації для інтеграції даних і знань в області діяльності організації за допомогою методів набуття знань, подання знань, класифікації і компіляції знань.
13. здатність будувати моделі інформаційних потоків, проектувати сховища і простори даних, бази знань, використовуючи діаграмну техніку і стандарти розроблення інформаційних систем.
14. здатність володіти достатніми науковими навичками, щоб успішно проводити наукові дослідження під наглядом наставника.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Дискретна математика
Математичний аналіз
Лінійна алгебра
Теорія ймовірності
Математична статистика
Короткий зміст навчальної програми: Навчальна дисципліна “Обробка зображень методами штучного інтелекту” є складовою циклу професійної підготовки фахівців другого освітньо-кваліфікаційного рівня “магістр”. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей систем штучного інтелекту, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, яка орієнтована на дослідження й розв’язання складних задач проектування та розроблення інформаційних систем аналізу зображень для задоволення широкого кола потреб науки, бізнесу та підприємств у різних галузях.
Опис: Тема1. Особливості сприйняття візуальної інформації
Психофізичні властивості зору. Дискретизація та квантування неперервних зображень. Математичний опис дискретних зображень.
Тема 2. Системи обробки та аналізу зображень
Основні задачі, які розв’язуються системами аналізу зображень Попередня обробка зображень. Фільтрація та відновлення зображень.
Тема 3. Попередній обробка зображень
Сегментація та кластеризація зображень. Постановка задачі кластерного аналізу. Ієрархічні та неієрархічні алгоритми кластеризації: алгоритми k-means та Fuzzy C-Means. Сегментація зображень за допомогою виділення однорідних областей. Сегментація зображень на основі виділення границь.
Тема 4. Розпізнавання зображень та образів
Класифікація образів за допомогою функції відстані. Класифікація образів за допомогою функції правдоподібності.
Класифікатори образів. Детерміністичний та статистичний підходи. Попередня обробка образів та вибір ознак. Синтаксичне розпізнавання образів.
Тема 5. Методи та засоби штучного інтелекту для аналізу зображень
Архітектура нейронних мереж. Глибинне навчання (Deep Learning). Згорткові та рекурентні нейронні мережі. Архітектура згорткових нейронних мереж, шари згортання, підвибірки і повнозв’язані.
Тема 6. Методи фільтрації зображень засобами штучних нейронних мереж
Застосування згорткових нейронних мереж для видалення шуму на зображенні.
Тема 7. Методи попереднього аналізу зображень за допомогою штучних нейронних мереж
Сегментація багатоспектральних зображень за допомогою штучних нейронних мереж
Тема 8. Особливості розпізнавання графічних зображень за допомогою згорткових нейронних мереж.
Застосування згорткових нейронних мереж у задачах детектування та розпізнавання образів
Методи та критерії оцінювання: Поточний контроль (ПК)
Лабораторні роботи 40 балів
Екзаменаційний контроль
Письмова компонента 60 балів
Усна компонента
Разом 100 балів
Критерії оцінювання результатів навчання: 1. Виконання лабораторних робіт та їх захист.
2. Написання контрольних робіт.
3. Написання розрахунково-графічної роботи
4. Екзамен.
Порядок та критерії виставляння балів та оцінок: Лабораторні роботи 50 балів.
Іспит усна компонента - 20 балів.
Іспит письмова компонента - 30 балів.
Рекомендована література: Stephen Marsland. Machine Learning). Лінійна: An Alg). Лінійнаorithmic Perspective, 452 р.,
2015.
Ethem Alpaydin. Introduction To Machine Learning). Лінійна, 584 p., 2009.
Tom M. Mitchell. Machine Learning). Лінійна
[http://www.cs.cmu.edu/~tom/mlbook.html]
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з особливими освітніми потребами на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу здобувачів освіти з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Академічна доброчесність здобувачів вищої освіти є важливою умовою для опанування результатами навчання за дисципліною і отримання задовільної оцінки з поточного та підсумкового контролів. Академічна доброчесність базується на засудженні практик списування , плагіату , фабрикації.