คอมพิวเตอร์วิทัศน์ขั้นสูง
4(48-0)
วิชาบังคับก่อน : ไม่มี
เพื่อให้ผู้เรียนมีความรู้ความเข้าใจเกี่ยวกับการประมวลผลภาพ เช่น สำรวจการจัดประเภทรูปภาพ การแบ่งส่วนรูปภาพ การแปลวัตถุ และการตรวจจับวัตถุ เรียนรู้การใช้สถาปัตยกรรมการเรียนรู้เชิงลึกกับงานการมองเห็นด้วยคอมพิวเตอร์ เช่น เรียนรู้ที่จะแยกคุณสมบัติที่สำคัญออกจากข้อมูลรูปภาพ และใช้เทคนิคการเรียนรู้เชิงลึกกับงานการจัดหมวดหมู่ นอกจากนี้เรียนรู้แบบจำลองการตรวจจับวัตถุ เช่น CNN หรือ ResNet-50 ปรับแต่งแบบจำลองที่มีอยู่หรือการสร้างแบบจำลองด้วยตัวเอง
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. เขียนโปรแกรมประมวลผลภาพ โดยใช้อัลกอริทึมต่างๆ เช่น การใช้เทคนิคการแปลงโหมดสี การหาขอบของวัตถุ การวิเคราะห์รูปทรง การตรงหารูปทรง เป็นต้น
2. เข้าใจแนวคิดทางทฤษฎีพื้นฐานของการบิดเบี้ยวและโครงข่ายประสาทเทียม
3. เข้าใจและสามารถประยุกต์ใช้การเรียนรู้ของคอมพิวเตอร์ หรือการเรียนรู้เชิงลึกสำหรับงานคอมพิวเตอร์วิทัศน์ได้
4. ประยุกต์และปรับแต่งแบบจำลองการตรวจจับวัตถุที่มีอยู่ เช่น regional-CNN หรือ ResNet-50
5. ศึกษาหรือค้นคว้า เพื่อเรียนรู้และเลือกใช้โมเดลที่มีอยู่สำหรับงานคอมพิวเตอร์วิทัศน์ได้
Advanced Computer Vision
Prerequisite : None
Study and understanding of image processing, such image classification, image segmentation, object localization, and object detection. Study Applying deep learning architectures to computer vision tasks, for example learning to extract important features from image data. and applied deep learning techniques to the classification task. Apply object detection models such as regional-CNN and ResNet-50, customize existing models, and build your own models to detect, localize, and label.
Course Learning Outcomes (CLOs)
1. Write a program to image signal processing using filtering, thresholds, edge detection, shape analysis, shape detection, pattern matching etc.
2. Understand basic theoretical concepts behind convolution and neural networks.
3. Understand and be able to apply computer learning0 or deep learning for computer vision.
4. Apply and customize existing object detection models such as regional-CNN or ResNet-50.
5. Able to study or research to learn and use existing models for computer vision work