| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| 3 Boyutlu Bilgisayarla Görü | EE 543 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. 3D Bilgisayar Görüntüsünü Anlamak |
| 2. 3D geometri ve gösterimleri anlamak |
| 3. 3D bilgilerin makine öğrenimi |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Ders, bilgisayarlı görme temellerine genel bir bakışla başlayıp görüntü sınıflandırma yaklaşımları, sinir ağları ve evrişimli sinir ağları (CNN), yinelemeli sinir ağları ve üretken ağlarla devam ederek çeşitli ilişkili kavramları kapsayacaktır. Ders, esas olarak bilgisayarlı görme amaçları için eğitilmiş derin CNN'lerin nasıl tasarlanıp görselleştirileceğini anlamaya odaklanacaktır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | 3D Geometri ve Homojen Dönüşümler, Ortogonal x-y-z Uzayı, Dönme - Çeviri - Ölçekleme, Afin Dönüşüm, Projektif Dönüşüm |
| 2 | Renk Temelleri, Renk Eşleştirme, Trikromatik ve Renk Uzayları, Görüntü Renginden Yüzey Rengi |
| 3 | 3D Diferansiyel Geometri, Yüzey Gradyanı ve Normal Hesabı, Yüzey Eğrilikleri (Normal, Prensip, Ortalama, Gauss, vb...), Eğriliğe Göre Yüzey Tipleri (Çukur, Tepe, Eyer, vb...) |
| 4 | 3D Veri Toplama, Kamera Kalibrasyonu, 3D Yeniden Yapılandırma, Siluetten Şekil, Mesafe Kameraları (Lidar vb.), Hareketten Yapı |
| 5 | Gölgelendirmeden 3D, Lambertian Yüzeyler ve Kosinüs Yasası, Gölgelendirmeden Şekil |
| 6 | Segmentasyon, 2D Segmentasyon, 3D Segmentasyon |
| 7 | Vizyonda Ölçek Uzayı Kavramı, Ölçek Kavramı, Gauss Piramidi, 2D ve 3D ölçekli uzaylar |
| 8 | 3D Veri Gösterimi, Grafik Gösterimi (2.5D Veri), Poligonal Gösterim, Fonksiyonel Gösterimler (Spline'lar), Hacimsel Gösterimler, Doku |
| 9 | Farklı 3B Temsiller Arasında Dönüşüm, 2,5B'den Çokgen Dönüşümü, 3B Spline Uydurma, 3B Üçgenleme (Delaunay Üçgenlemesi), Hacimselden Çokgen Dönüşümü (Yürüyen Küpler) |
| 10 | 3D Kayıt, 3D Morphing, 3D Kayıt (ICP, Ransac, vb... ), 3D Morphing (Doğrusal, doğrusal olmayan, TPS, vb... ) |
| 11 | 3D Özellikler ve Tanımlayıcılar, Küresel Tanımlayıcılar (EGI, Grafik Gösterimleri... ) Yerel Tanımlayıcılar (Spin Görüntüleri, Temel Elemanlar...), Karmaşık Tanımlayıcılar (UVS, vb...) |
| 12 | 3D Nesne Tanıma, Özellik Eşleştirme, 3D Nesne Algılama/Tanıma, Poz Tahmini |
| 13 | 3D Görüntü İçin Derin Öğrenme |
| 14 | 3D Geometri ve Homojen Dönüşümler, Ortogonal x-y-z Uzayı, Dönme - Çeviri - Ölçekleme, Afin Dönüşüm, Projektif Dönüşüm |
| |
| Kaynaklar: |
| |
| |
| Diğer Kaynaklar: |
| Kenichi Kanatani, Yasuyuki Sugaya, Yasushi Kanazawa Guide to 3D Vision Computation: Geometric Analysis and Implementation (Advances in Computer Vision and Pattern Recognition) Springer 2016 978-3319484921 |
| |
| Öğretim Yöntem ve Teknikleri: |
| • Haftada 3 saat ders anlatımı
• Sınıfta gösterilecek grup projeleri |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 1 | %10 |
| Aktiviteler | 1 | %20 |
| Proje | 1 | %40 |
| Final Sınavı | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |