教學大綱 Syllabus

科目名稱:電腦視覺

Course Name: Computer Vision

修別:選

Type of Credit: Elective

3.0

學分數

Credit(s)

20

預收人數

Number of Students

課程資料Course Details

課程簡介Course Description

本課程旨在介紹電腦視覺及影像處理之基本概念,相關技術與最新應用,透過基本原理之說明,數學工具之解析,配合專題之實作,期使學生能獲得此一領域之基礎訓練,從而應用於相關之研究課題。因應本領域之發展趨勢,課程內容與實作將以深度學習框架為主.

核心能力分析圖 Core Competence Analysis Chart

能力項目說明


    課程目標與學習成效Course Objectives & Learning Outcomes

    理解電腦視覺之基本理論,熟悉相關開發工具(含OpenCV 函式庫,TensorFlow 或PyTorch深度學習框架),並尋求適切之實際應用。

    每周課程進度與作業要求 Course Schedule & Requirements

    Week 1
    課程主題:課程簡介與進度說明, Chapter 1: Introduction 
    課程內容與指定閱讀:從影像處理到電腦視覺 http://www.cs.nccu.edu.tw/~whliao/cv2018/9201-02.pdf 
    教學活動與作業:講授課程大綱與第一章
    學習投入時數:課前預習:閱讀從影像處理到電腦視覺文章 (1 hour) 
    課後複習:熟悉影像處理軟體ImageJ之基本功能 (2 hours) 
    1. ImageJ: http://rsb.info.nih.gov/ij/ 
    2. 教科書網站: http://www.imageprocessingplace.com/ 

    Week 2
    課程主題:數學工具
    課程內容與指定閱讀:Review of mathematical concepts, Fourier Transform
    教學活動與作業:講授線性系統,傅立葉轉換
    學習投入時數:課前預習:閱讀線性代數、機率與線性系統之投影片(3 hours) 
    課後複習:熟悉Fourier transform與 convolution 之基本概念 (3 hours) 
    1. Wolfram Mathworld http://mathworld.wolfram.com/ 
    2. Joy of convolution: http://pages.jh.edu/~signals/convolve/ 

    Week 3
    課程主題:影像成像原理,OpenCV函式庫
    課程內容與指定閱讀:Image formation,
    OpenCV: Introduction and Tutorial, Object recognition 
    教學活動與作業:講授影像成像原理,OpenCV函式庫簡介
    學習投入時數:課前預習:閱讀課程投影片(2 hours) 
    課後複習:作業一:安裝並測試OpenCV函式庫 (3 hours)  http://opencv.org/ 

    Week 4
    課程主題:Spatial domain processing
    課程內容與指定閱讀:空間域之影像處理
    教學活動與作業:講授空間域之影像處理技術
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:作業二:直方圖等化(6 hours) 

    Week 5
    課程主題:Frequency domain processing
    課程內容與指定閱讀:頻率域之影像處理
    教學活動與作業:講授頻率域之影像處理技術
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:熟悉傅立葉轉換與相關工具(4 hours) 
    1. 傅立葉轉換 http://www.cs.nccu.edu.tw/~whliao/cv2018/fourier.pdf 

    Week 6
    課程主題:Image Restoration, Image Inpainting
    課程內容與指定閱讀:影像復原與影像綴補
    教學活動與作業:講授影像復原與影像綴補技術
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片(3 hours) 

    Week 7
    課程主題:Hough Transform
    課程內容與指定閱讀:霍夫轉換
    教學活動與作業:講授霍夫轉換原理
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片、作業三(6 hours) 

    Week 8
    課程主題:Introduction to object recognition 
    課程內容與指定閱讀:物件辨識簡介
    教學活動與作業:講授物件辨識之原理與方法
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片、作業三(6 hours) 

    Week 9
    Midterm (期中考)

    Week 10
    課程主題:Morphological Image Processing 
    課程內容與指定閱讀:影像處理中的形態學
    教學活動與作業:講授影像處理中的形態學原理
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片,使用 ImageJ測試各項morphological filter功能(4 hours) 

    Week 11
    課程主題:Image Segmentation, 題末專題提案
    課程內容與指定閱讀:影像切割
    教學活動與作業:講授影像切割方法,題末專題提案報告
    學習投入時數:課前預習:閱讀課程投影片, Proposal 準備(6 hours) 
    課後複習:複習課程投影片(3 hours) 

    Week 12
    課程主題:Representation and Description 
    課程內容與指定閱讀:影像描述
    教學活動與作業:講授各類影像描述方法
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片(3 hours) 

    Week 13
    課程主題:Feature Descriptors 
    課程內容與指定閱讀:影像描述子
    教學活動與作業:講授各類影像描述子的原理與應用
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片,作業四(8 hours) 

    Week 14
    課程主題:Object Classification
    課程內容與指定閱讀:物件分類
    教學活動與作業:講授物件分類的原理
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片(3 hours) 

    Week 15
    課程主題:電腦視覺與深度學習(1/3)
    課程內容與指定閱讀:電腦視覺與深度學習框架
    教學活動與作業:講授電腦視覺與深度學習技術
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片(3 hours) 

    Week 16
    課程主題:電腦視覺與深度學習(2/3)
    課程內容與指定閱讀:電腦視覺與深度學習框架
    教學活動與作業:講授電腦視覺與深度學習工具
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片,熟悉開發工具(6 hours) 

    Week 17
    課程主題:電腦視覺與深度學習(3/3)
    課程內容與指定閱讀:電腦視覺與深度學習框架
    教學活動與作業:講授電腦視覺與深度學習工具
    學習投入時數:課前預習:閱讀課程投影片(3 hours) 
    課後複習:複習課程投影片,熟悉開發工具(6 hours) 


    Week 18
    Final Project Presentation

    授課方式Teaching Approach

    85%

    講述 Lecture

    15%

    討論 Discussion

    0%

    小組活動 Group activity

    0%

    數位學習 E-learning

    0%

    其他: Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    30%: Assignment and mini-projects 
    30%: Midterm 
    40%: Final project

    指定/參考書目Textbook & References

    Textbook: 
    *R. Gonzalez and R. Woods Digital Image Processing, 4th edition, Prentice Hall, 2018.

    http://www.imageprocessingplace.com/DIP-4E/dip4e_main_page.htm 


    *R. Szeliski, Computer Vision: Algorithms and Applications, Springer-Verlag, 2nd Edition (2020).

    https://szeliski.org/Book/

    * Dive into Deep Learning: https://d2l.ai/

    References: 
    *Mastering OpenCV with Practical Computer Vision Project, by Baggio et al., 2012. 
    *Learning OpenCV: Computer Vision with the OpenCV Library by Gary Bradski and Adrian Kaehler, O.Reilly Press, 2008. 
    *Multiple View Geometry in Computer Vision by  Jain et. al, Machine Vision McGraw Hill, 1995 
    *M. Shah, Fundamentals of Computer Vision, (available online). 
    *Introductory Techniques for 3-D Computer Vision by Emanuele Trucco, Alessandro Verri, Prentice Hall, 1998. 
    *V. Nalwa, A Guided Tour of Computer Vision, Addison-Wesley, 1993. 
    *L. Shapiro and G. Stockman, Computer Vision Prentice Hall, 2001. 
    *M. Sonka et. al, Image Processing, Analysis, and Machine Vision, Brooks/Cole Pub Co., 3rd edition, 2008. 
    *D. Forsyth and Ponce, Computer Vision - A modern approach Prentice Hall, 2002. 
    *R. Haralick and L. Shapiro, Computer and Robot Vision (Vol. I and II)

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    維護智慧財產權,務必使用正版書籍。 Respect Copyright.

    課程相關連結Course Related Links

    http://www.cs.nccu.edu.tw/~whliao/cv2022

    課程附件Course Attachments

    課程進行中,使用智慧型手機、平板等隨身設備 To Use Smart Devices During the Class

    需經教師同意始得使用 Approval

    列印