Опрацювання зображень методами штучного інтелекту
Спеціальність: Інженерія програмного забезпечення (освітньо-наукова програма)
Код дисципліни: 7.121.00.O.004
Кількість кредитів: 6.00
Кафедра: Програмне забезпечення
Лектор: д.т.н., проф. Мельник Роман Андрійович
Семестр: 1 семестр
Форма навчання: денна
Завдання: ІНТ. Здатність ефективно розв’язувати спеціалізовані задачі та практичні проблеми інноваційного характеру під час професійної діяльності, пов’язаної зі всіма аспектами виробництва програмного забезпечення від початкових стадій створення специфікації до супроводу системи після здачі в експлуатацію.
спеціальні компетентності:
ЗК01. Здатність до абстрактного мислення, аналізу та синтезу
СК03. Здатність проєктувати архітектуру програмного забезпечення, моделювати процеси функціонування окремих підсистем і модулів.
СК07. Здатність критично осмислювати проблеми у галузі інформаційних технологій та на межі галузей знань, інтегрувати відповідні знання та розв'язувати складні задачі у широких або мультидисциплінарних контекстах.
Результати навчання: РН06. Розробляти і оцінювати стратегії проєктування програмних засобів; обґрунтовувати, аналізувати і оцінювати варіанти проектних рішень з точки зору якості кінцевого програмного продукту, ресурсних обмежень та інших факторів.
РН07. Аналізувати, оцінювати і застосовувати на системному рівні сучасні програмні та апаратні платформи для розв'язання складних задач інженерії програмного забезпечення.
РН10. Модифікувати існуючі та розробляти нові алгоритмічні
рішення детального проєктування програмного забезпечення.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Кореквізити:
Методи та засоби наукових досліджень в інженерії програмного забезпечення (КП)
Короткий зміст навчальної програми: Дисципліна необхідна для отримання загальних та фахових компетентностей в області алгоритмів та методів опрацювання зображень.
В дисципліні розглядаються основні етапи комп’ютерного зору: покращення зображень, аналіз та класифікація, методи штучного інтелекту для розпізнавання сцен. Представлені принципи комп’ютерного зору, методи сегментування та покращення зображень, алгоритми обчислення ознак зображень, класифікації, методи кластерного аналізу для пошуку зображень, методи стиснення зображень.
Методи отримання та аналізу зображень призначені для вирішення фундаментальних і прикладних задач астрономії, геології, екології, біології, медицини, сільського господарства та інших галузей людської діяльності.
Опис: Формати візуальних образів. Технології отримання зображень та їх призначення. Класифікація візуальних образів. Програмні засоби формування та опрацювання візуальних образів.
Фундаментальний математичний апарат опису і опрацювання цифрових зображень. Інтенсивність, елементи та технології сприйняття. Зразки та квантування. Співвідношення між пікселями.
Покращення образів в просторі. Рівні сірого. Перетворення та опрацювання гістограм. Покращення логічними операціями, просторові фільтри покращення зображень.
Отримання ознак інтенсивності та простору. Перетворення гістограм і розподілена кумулятивна гістограма. Застосування перетворень до пошуку зображень.
Алгоритми сегментування та заливання кольорами. Ознаки фрагментів та сегментів. Ієрархічна кластеризація, метод середніх та інші. Опрацювання кольору. Ознаки форми та кольору. Перетворення кольору. Гладження та контрастування. Сегментування кольору.
Моделі компресії без втрат та з втратами. Стандарти компресії. Кусочно лінійна апроксимація
Морфоргічне опрацювання зображень. Основні алгоритми: скелетони, контури. 3-D зображення та їх опис. Класифікація методів виділення ознак. Сегментування образів. Аналіз методів сегментування: переваги та недоліки. Декомпозиція графів. Границі, пороги, розширення областей. Ієрархічна декомпозиція.
Системи індексування та пошуку. Класифікація методів виділення ознак. Кластеризація ознак. Зберігання і пошук в базах даних.
Розпізнавання образів. Основні та додаткові ознаки. Критерії порівняння у функціях близькості. Нейромережні структури: навчання та пошук.
Космічні та геоінформаційні системи візуалізації. Опрацювання супутникових знімків. Виділення регіонів, Порівняння та пошук змін.
Класифікація медичних образів та біологічні структури візуалізації. Відбитки пальців та ознаки обличчя. Сучасні підходи та системи ідентифікації.
Техніка візуалізації. Цифрові оптичні системи. Системи інших діапазонах спектру частот.
Робототехніка, застосування комп’ютерного зору в роботах та системах автоматичного виробництва та системах штучного інтелекту.
Приклади систем опрацювання зображень. OpenCV, InfoSeek та інші. Проблеми комп’ютерного зору.
Методи та критерії оцінювання: Усне опитування на заняттях.
Тести.
Захист лабораторних робіт.
Критерії оцінювання результатів навчання: 1. Бали за поточний контроль виставляють до початку сесії. Студент, який виконав менше 50% робіт поточного контролю, вважається неатестованим. Студент, який виконав більше 50% робіт може довиконати завдання і скласти іспит на екзамені.
2. Бали за лабораторні роботи (9 балів за кожну роботу) виставляють згідно календарного графіку занять та успішного захисту.
Захист вважають успішним (максимально можлива кількість балів згідно графіку), якщо студент продемонстрував виконання лабораторної (1-5 л.р.) або продемонстрував коректну роботи програми (1-5 л.р.) відповідно до свого завдання, правильно оформив звіт та захистив його та дав правильні відповіді на усні запитання; зміг внести корективи у лабораторну на прохання викладача (1 -5 л.р.).
Лабораторні роботи оцінюються по 9 балів кожна. Бали враховують вид інтерфейсу, наявність параметрів керування, роботу алгоритму, запис результатів роботи і дослідження, опис алгоритму у звіті, демонстрацію роботи програми, список літератури та ресурсів.
Вчасно здані роботи на протязі перших трьох місяців оцінюються з врахуванням вимог. Роботи, що представляються за тиждень до екзамену додатково перевіряються на плагіат та можуть зніматись бали.
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Капустій Б. О. Системи розпізнавання образів з малими базами даних / Б. О. Капустій, Б. П. Русин, В. А. Таянов. – Львів: Сполом, 2016.– 152 с.
2. Русин Б. П., Варецький Я. Ю. Біометрична аутентифікація та криптографічний захист. – Львів: Коло, 2017. – 287 с.
3. Капшій О. В. Вейвлет-перетворення у компресії та попередній обробці зображень / О. В. Капшій, О. І. Коваль, Б. П. Русин, – Львів: Сполом, 2018. – 208 с.
4. Воробель Р. А. Логарифмічна обробка зображень / Р. А. Воробель. – К.: Наукова думка, 2012. – 231 с.
5. Мельник Р. А. Каскадна декомпозиція множин великої розмірності при кластеризації ключів образів / Р. А. Мельник, Р. Б. Тушницький // Комп’ютерні науки та інформаційні технології.2008. № 604. – С. 249–254.
6. Мельник Р. Дослідження структури візуальних образів пакетом кластеризації / Р. Мельник, Ю. Роман // Комп’ютинг. – 2008. – Т. 7, вип. 1. – С. 13–22.
7. Мельник Р. А. Алгоритм триступеневої кластеризації для класифікації зображень за їх структурними властивостями / Р. А. Мельник, Р. Б. Тушницький // Комп’ютерні науки та інформаційні технології. – 2008. – № 629. – С. 46–52.
8. Melnyk R. Image Structer Analysis by Three Stages Clustering Pattern / R. Melnyk, R. Tushnytskyy // Комп’ютинг. – 2009. – Т. 8, вип. 2. – С. 86–94.
9. Мельник Р. Пошук образів за розподіленими ознаками об’ємів інтенсивності / Р. Мельник, Ю. Каличак // Вісник Нац. ун-ту “Львівська політехніка” “Комп’ютерні науки та інформаційні технології ”. – 2010. – № 686. – С. 264–271.
10. Мельник Р. А. Силуети кольору та яскравості зображень для їх класифікації та пошуку / Р. А. Мельник, Ю. І. Каличак // Вісник Нац. ун-ту “Львівська політехніка” “Комп’ютерні науки та інформаційні технології”. – 2010. – № 672. – С. 273–280.
11. Melnyk R. Pattern Silhouette Features for Image Classification / R. Melnyk, Y. Kalychak // Proceedings of the VIth International Conference MEMSTECH’2010 “Perspective Technologies and Methods in MEMS Design”. – Polyana, 2010. – P. 172–174.
12. Мельник Р. А. Розподілені структурні властивості зображень на основі “рентгеноскопії” яскравості / Р. А. Мельник, Ю. І. Каличак // Обчислювальні методи і системи перетворення інформації: зб. пр. наук.-техн. конф. – Львів: ФМІ НАНУ. – 2010. – С. 179–182.
13. Melnyk R. Pattern Retrieval by Distributed Intensity Volume Features / R. Melnyk, Y. Kalychak // Proceedings of the Vth International Conference on Computer Science and Information Technologies (CSIT’2010). – Lviv, 2010. – P. 25–28.
14. Мельник Р. А. Пошук образів за силуетами яскравості зображень / Р. А. Мельник, Ю. І. Каличак // Відбір і обробка інформації. – 2010. – Вип. 32 (108). – С. 86–92.
15. Мельник Р. А. Програмування веб-застосувань (фронт-енд та бек-енд): навчальний посібник / Р. А. Мельник. – Львів: Видавництво Львівської політехніки, 2018. – 248 c. )
16. Melnyk Roman, Havrylko Yuriy. Software for face statistical features determination by distributed cumulative histogram // Захист інформації і безпека інформаційних систем : матеріали VIІ міжнародної науково-технічної конференції (Львів, 30–31 травня 2019 р.). – 2019. – C. 42–43. 0,09 ум.д.ар. [н.к. - Мельник Р.А.].
17. Melnyk Roman, Kalychak Yurii, Tushnytskyy Ruslan. Absolute and relative classification of cloud regions by satellite image clustering // The experience of designing and application of CAD systems (CADSM) : proceedings of the 15th International conference (Polyana (Svalyava), Ukraine, February 26 – March 2, 2019). – 2019. – C. 8779333-1–8779333-5. 0,22 ум.д.ар. (Каличак Ю. І.) (SciVerse SCOPUS, Web of Science).
18. Melnyk Roman, Mamrak* Igor. Text recognizing in the video mode for the Android operating system // Захист інформації і безпека інформаційних систем : матеріали VIІ міжнародної науково-технічної конференції (Львів, 30–31 травня 2019 р.). – 2019. – C. 40–41. 0,09 ум.д.ар. [н.к. - Мельник Р.А.].
19. Melnyk Roman, Tushnytskyy Ruslan. Compression and multilevel segmentation for face images by piecewise linear approximation // Інтелектуальні системи та інформаційні технології : праці міжнародної науково-практичної конференції, 19?24 серпня 2019 р., Одеса, Україна. – 2019. – C. 135–138. 0,18 ум.д.ар. .
20. Roman Melnyk, Ruslan Tushnytskyy, Yuriy Kalychak. Modification of SWIR Face Images for their Comparison by Distributed Cumulative Histogram Features // Комп’ютерні науки та інформаційні технології: матеріали XІV-ої Міжнародної науково-технічної конференції CSIT-2019 (Львів, 17-20 вересня 2019 р.). – 2019. – C. 169–174. 0,27 ум.д.ар. (Каличак Ю. І.) (SciVerse SCOPUS).
21. Melnyk R., Tushnytskyy R., Kvit R., Salo T. Preliminary data classification by multilevel segmentation of histograms for clustering of hypercubes // Технологічний аудит та резерви виробництва. – 2020. – Т. 6, № 4 (56). – С. 47–55. 0,4 ум.д.ар. .
22. R. A. Melnyk, Y. V. Havrylko, Y. V. Repa. PCB open, short and shift defects detection by logical comparison of mask images [Електронний ресурс] // IOP Conference Series: Materials Science and Engineering. – 2021. – Vol. 1016 : CAD in machinery design: implementation and educational issues (CADMD 2020) 26th -27th November 2020, Lviv.
23. Melnyk R., Havrylko Y., Hatsosh* D. Printed circuit boards short and open defects detection by thinning and flood-fill algorithms // The experience of designing and application of CAD systems (CADSM) : proceedings of the 16th International conference (Polyana (Svalyava), Ukraine, February 22–26, 2021). – 2021. – C. 1–5. 0,22 ум.д.ар. (Гаврилко Ю. В.) (SciVerse SCOPUS).
24. Melnyk R., Havrylko Y., Kvit R. Analysis of moving clouds direction and velocity by statistical features // Electronics and information technologies : proceedings of 2021 IEEE 12th International conference ELIT (Lviv, Ukraine, May 19 – 21, 2021). – 2021. – C. 301–304. 0,18 ум.д.ар. (Гаврилко Ю. В.) .
25. Melnyk R., Havrylko Y., Levus Y. Three types of PCB defects and image processing algorithms for their detection // Перспективні технології і методи проєктування МЕМС : матеріали XVII Міжнародної науково-технічної конференції MEMSTECH 2021(Поляна, Україна; 12-16 травня 2021 р.). – 2021. – C. 197–200.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю 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 студентів 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: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).