การรู้จำแบบสำหรับการมองเห็นด้วยคอมพิวเตอร์
4(4-0-12)
วิชาบังคับก่อน : ไม่มี
การรู้จำแบบในบริบทของการมองเห็นด้วยคอมพิวเตอร์ ทฤษฎีการตัดสินใจการอนุมานตัวแปร การวิเคราะห์องค์ประกอบและการลดทอนมิติ การเรียนรู้แบบอิงตัวแปรและไม่อิงตัวแปร แนวทางการเรียนรู้ของเครื่องร่วมสมัย ความก้าวหน้าใหม่ด้านการมองเห็นด้วยคอมพิวเตอร์
เค้าโครงรายวิชา
- การรู้จำแบบในบริบทของการมองเห็นด้วยคอมพิวเตอร์ (4 ชม.)
- ทบทวนความรู้พื้นฐานด้านการประมวลผลภาพ (8 ชม.)
- ทฤษฎีการตัดสินใจ และการอนุมานตัวแปร (8 ชม.)
- การวิเคราะห์องค์ประกอบ และการลดทอนมิติ (4 ชม.)
- การเรียนรู้แบบอิงตัวแปร และไม่อิงตัวแปร (8 ชม.)
- แนวทางการเรียนรู้ของเครื่องร่วมสมัย (8 ชม.)
- ความก้าวหน้าใหม่ด้านการมองเห็นด้วยคอมพิวเตอร์ (8 ชม.)
ผลสัมฤทธิ์การเรียนรู้
- สามารถอธิบายหลักการรู้จำรูปแบบ โดยอาศัยทฤษฎีข้อมูลข่าวสาร และสถิติประยุกต์
- สามารถออกแบบ และพัฒนาระบบการมองเห็นคอมพิวเตอร์เพื่อรู้จำรูปแบบ โดยอาศัยขั้นตอนวิธีการเรียนรู้ด้วยเครื่องจักร เพื่อแก้ปัญหาเฉพาะด้านได้อย่างเหมาะสม และมีประสิทธิภาพ
Pattern Recognition in Computer Vision
Prerequisite : None
Pattern recognition in computer vision context, Decision theory, Parameter estimation, Component analysis and dimensionality reduction, Parametric and nonparametric learning, State-of-the-art machine learning algorithms, Recent advances in computer vision.
Course Outline
- Pattern recognition in computer vision context. (4 hr.)
- Review of image processing fundamentals. (8 hr.)
- Decision theory and Parameter estimation. (8 hr.)
- Component analysis and dimensionality reduction. (4 hr.)
- Parametric and nonparametric learning. (8 hr.)
- State-of-the-art machine learning approaches. (8 hr.)
- Recent advances in computer vision. (8 hr.)
Learning Outcomes
- Able to describe the key principles of pattern recognition by using information theory and applied statistics.
- Able to design and develop a computer vision system for pattern recognition based on machine learning algorithms to appropriately and efficiently solve a specific problem.
