tuyến tính (LDA)
5 Nhận dạng đối tượng 4 -
Tổng cộng 15 45
16.8. Nội dung chi tiết
Chương 1. Giới thiệu về thị giác máy tính (LT 01) Tài liệu tham khảo của chương:
[1]. Computer Vision: Algorithms and Applications, 2010.
Chương 2. Cơ sở về ảnh và phép lọc ảnh (LT 02)
2.5 Nguyên lý thu nhận ảnh của máy ảnh 2.6 Điểm, đường và màu sắc trong ảnh 2.7 Lọc ảnh
2.8 Phát hiện biên
Nội dung thực hành: Thực hành các thao tác input/output ảnh với Matlab, OpenCV. Các
phép lọc ảnh và phép nhân chập (convolution) 2D.
Tài liệu tham khảo của chương:
[1]. Computer Vision: Algorithms and Applications, 2010.
[2]. Mastering OpenCV with Practical Computer Vision Projects, 2012.
[3]. Image Processing, Analysis, and Machine Vision: A MATLAB Companion, 2007
Chương 3. Một số phương pháp trích chọn đặc điểm ảnh và phân lớp (LT 05)
3.5 Phương pháp trích chọn đặc điểm SIFT (Scale-invariant feature extraction) 3.6 Phương pháp mẫu nhị phân cục bộ LBP (Local Binary Patterns)
3.7 Phương pháp biến đổi sĩng nhỏ Gabor (Gabor wavelets) 3.8 Phương pháp phân lớp k láng giềng gần nhất (kNN) 3.9 Phân lớp với SVM (Support Vector Machine)
Nội dung thực hành: Thực hành về LBP, Gabor wavelets, kNN và SVM. Tài liệu tham khảo của chương:
[1]. Computer Vision: Algorithms and Applications, 2010.
[2]. Mastering OpenCV with Practical Computer Vision Projects, 2012.
[3]. Image Processing, Analysis, and Machine Vision: A MATLAB Companion, 2007
Chương 4. Phân tích thành phần chính (PCA) và phân tích khác biệt tuyến tính (LDA)
4.6 Phân tích thành phần chính PCA 4.7 Phân tích khác biệt tuyến tính LDA 4.8 Hàm khoảng cách cho PCA và LDA
Nội dung thực hành: Thực hành phương pháp PCA và LDA Tài liệu tham khảo của chương:
[1]. Computer Vision: Algorithms and Applications, 2010.
[2]. Mastering OpenCV with Practical Computer Vision Projects, 2012.
[3]. Image Processing, Analysis, and Machine Vision: A MATLAB Companion, 2007
Chương 5. Nhận dạng đối tượng (LT 04)
4.9 Nhận dạng biển số xe 4.10 Nhận dạng vân tay 4.11 Nhận dạng mặt
Nội dung thực hành: Thực hành về nhận dạng biển số xe, nhận dạng mặt. Tài liệu tham khảo của chương:
58
[2]. Mastering OpenCV with Practical Computer Vision Projects, 2012.
[3]. Image Processing, Analysis, and Machine Vision: A MATLAB Companion, 2007
Nội dung thảo luận: Theo chuyên đề của từng chương và tập trung vào các vấn đề liên quan
đến nhận dạng mẫu, trích chọn đặc trưng điểm ảnh, giảm số chiều…
Nội dung bài tập lớn: Xây dựng thuật tốn, cài đặt một số bài tốn về nhận dạng ảnh.
16.9. Tài liệu học tập và tham khảo: Tài liệu học tập Tài liệu học tập
[1]. Computer Vision: Algorithms and Applications, 2010.
Tài liệu tham khảo
[2]. Mastering OpenCV with Practical Computer Vision Projects, 2012.
[3]. Image Processing, Analysis, and Machine Vision: A MATLAB Companion, 2007
16.10. Thang điểm: 10/10
TT Nội dung đánh giá Trọng số (%) Ghi chú
1 Điểm Kiểm tra/TL/TH/TN 20
2 Điểm /BTL/TiL 30
3 Điểm thi kết thúc học phần 50
Tổng cộng 100
16.11. Ngày phê duyệt: Cấp phê duyệt: Cấp phê duyệt:
59