Pattern Recognition in Computer Vision

การรู้จำแบบสำหรับการมองเห็นด้วยคอมพิวเตอร์
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
การรู้จำแบบในบริบทของการมองเห็นด้วยคอมพิวเตอร์ ทฤษฎีการตัดสินใจการอนุมานตัวแปร การวิเคราะห์องค์ประกอบและการลดทอนมิติเครื่องจักรเวกเตอร์สนับสนุน การเรียนรู้แบบอิงตัวแปรและไม่อิงตัวแปร แผนผังจัดเรียงตัวเอง บทประยุกต์ในด้านการมองเห็นด้วยคอมพิวเตอร์
เค้าโครงรายวิชา
1. การรู้จำแบบในบริบทของการมองเห็นด้วยคอมพิวเตอร์ (4 ชั่วโมง)
2. ทบทวนความรู้พื้นฐานด้านการประมวลผลภาพ (8 ชั่วโมง)
3. ทฤษฎีการตัดสินใจ และการอนุมานตัวแปร (8 ชั่วโมง)
4. การวิเคราะห์องค์ประกอบและการลดทอนมิติ (4 ชั่วโมง)
5. เครื่องจักรเวกเตอร์สนับสนุน (4 ชั่วโมง)
6. การเรียนรู้แบบอิงตัวแปรและไม่อิงตัวแปร (8 ชั่วโมง)
7. แผนผังจัดเรียงตัวเอง (8 ชั่วโมง)
8. บทประยุกต์ในด้านการมองเห็นด้วยคอมพิวเตอร์ (4 ชั่วโมง)
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. สามารถอธิบายหลักการรู้จำรูปแบบ โดยอาศัยทฤษฎีข้อมูลข่าวสาร และสถิติประยุกต์
2. สามารถออกแบบ และพัฒนาระบบการมองเห็นคอมพิวเตอร์เพื่อรู้จำรูปแบบ โดยอาศัยขั้นตอนวิธีการเรียนรู้ด้วยเครื่องจักรร่วมสมัย เพื่อแก้ปัญหาเฉพาะด้านได้อย่างเหมาะสม และมีประสิทธิภาพ

Pattern Recognition in Computer Vision
Prerequisite: None
Pattern recognition in computer vision context, Decision theory, Parameter estimation, Component analysis and dimensionality reduction, Support vector machine, Parametric and nonparametric learning, Self-organizing map, Applications in computer vision
Course Outline
1. Pattern recognition in computer vision context (4 hours)
2. Review of image processing fundamentals (8 hours)
3. Decision theory and Parameter estimation (8 hours)
4. Component analysis and dimensionality reduction (4 hours)
5. Support Vector Machine (4 hours)
6. Parametric and nonparametric learning (8 hours)
7. Self Organizing Map (8 hours)
8. Applications in computer vision (4 hours)
Course Learning Outcomes (CLOs)
1. Describe the key principles of pattern recognition by using information theory and applied statistics.
2. Design and develop a computer vision system for pattern recognition based on state-of-theart machine learning approaches to appropriately and efficiently solve a specific problem.