Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Rozpoznawanie obrazów i sygnałów mowy
Koordynator przedmiotu:
prof. dr hab. inż. Włodzimierz Kasprzak
Status przedmiotu:
Fakultatywny dowolnego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Przedmioty techniczne - zaawansowane
Kod przedmiotu:
ROSM
Semestr nominalny:
2 / rok ak. 2014/2015
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Bilans nakładu pracy studenta (100 godz.): - udział w wykładach: 15 x 2 godz. = 30 godz., - udział w zajęciach projektowych: 15 x 1 godz. = 15 godz., - przygotowanie do wykładów (przejrzenie materiałów z wykładu i dodatkowej literatury (10 godz.), oraz próby rozwiązania zadań zawartych w podręczniku (5 godz.): 1 x 15 = 15 godz. - realizacja zadania projektowego: 15 godz., - udział w konsultacjach: 2 godz., - przygotowanie do egzaminu (rozwiązanie zadań przedegzaminacyjnych) oraz obecność na egzaminie: 20 godz. + 3 godz. = 23 godz.
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Liczba godzin zajęć wymagających bezpośredniego udziału nauczycieli akademickich wynosi: 30 + 15 + 2 + 3 = 50 godz., co odpowiada ok. 2 punktom ECTS.
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Liczba godzin pracy związanych z zajęciami o charakterze praktycznym wynosi: 15 + 15 + 5 + 15 = 50 godz., co odpowiada ok. 2 punktom ECTS.
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Limit liczby studentów:
30
Cel przedmiotu:
Celem przedmiotu jest zapoznanie z podstawami teorii klasyfikacji wzorców i zasadniczymi algorytmami komputerowego rozpoznawania obrazów cyfrowych i sygnałów mowy. W szczególności przedstawione są podstawowe przekształcenia przestrzeni cech i klasyfikatory numeryczne. W zakresie rozpoznawania obrazów omawiane są zagadnienia: cyfrowej reprezentacji i segmentacji obrazów oraz rozpoznawania obiektów 2D i 3D. Rozpoznawanie mowy obejmuje zagadnienia: reprezentacji cyfrowego sygnału, analizy akustyczno-fonetycznej i rozpoznawania słów lub zdań mówionych. Studenci nabywają umiejętności praktycznego posługiwania się metodami rozpoznawania rozwiązując zadania i projektując systemy komputerowego rozpoznawania obrazu lub sygnału mowy.
Treści kształcenia:
Materiał podzielony jest na trzy części: rozpoznawanie wzorców, rozpoznawanie obrazów i rozpoznawanie sygnałów mowy. W pierwszej części przedstawione są podstawy teorii rozpoznawania wzorców. Przypominane są podstawowe pojęcia teorii prawdopodobieństwa, informacji, estymacji i optymalizacji. Następnie omawia się podstawowe przekształcenia przestrzeni cech metodami analizy składowych głównych (PCA), linowej analizy dyskryminacyjnej (LDA) i analizy składowych niezależnych PCA, LDA i ICA. Poruszone są zagadnienia grupowania (klasteryzacji) cech (k-średnich, X-średnich, EM). . Przedstawione zostają różne klasyfikatory numeryczne: według funkcji potencjału, klasyfikator Bayesa, k-NN, SVM, MLP, łączenie klasyfikatorów (boosting, grupa ekspertów). W zakresie rozpoznawania obrazów omawiana jest najpierw problematyka reprezentacji obrazów, auto-kalibracji kamery, progowania i normowania obrazów. Następnie przedstawiono podstawowe sposoby filtracji wstępnej obrazów i wyznaczania funkcji momentowych dla obszarów obrazu. Kolejne metody obejmują segmentację obrazu - wyznaczanie segmentów krawędziowych, linii prostych i krzywych, obszarów jednorodnych, cech tekstur i konturów. Zakończenie części drugiej stanowią metody rozpoznawania obiektów 2D i 3D w obrazach. W zakresie rozpoznawania mowy, prezentowane są zagadnienia: reprezentacji cyfrowego sygnału mowy w dziedzinie czasu i częstotliwości, przetwarzania i detekcji sygnału mowy w sygnale akustycznym, wyznaczania cech Mel-cepstralnych i według liniowej predykcji, modelowania fonetycznego sygnału mowy, tworzenia statystycznego modelu HMM dla rozpoznawania słów i zdań (m.in. uczenie Bauma-Welcha, przeszukiwanie Viterbiego, N-gramy).
Metody oceny:
Sprawdzanie założonych efektów kształcenia realizowane jest przez: - ocenę wiedzy i umiejętności związanych z realizacją zadań projektowych – dokonywaną przez nauczyciela akademickiego, prowadzącego zajęcia z projektu, ocenę właściwego wyboru i zrozumienia metod oraz poprawności działania zaprojektowanych programów i sprawozdań z realizacji poszczególnych projektów, - ocenę wiedzy i umiejętności wykazanych na egzaminie pisemnym o charakterze problemowym (na egzaminie student może korzystać z materiałów dydaktycznych).
Egzamin:
tak
Literatura:
1. W. Kasprzak: Rozpoznawanie obrazów i sygnałów mowy. Warszawa, 2009, Oficyna Wydawnicza PW. 2. W. Malina, M. Smiatacz: Metody cyfrowego przetwarzania obrazów. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2005. 3. W. Skarbek: Metody reprezentacji obrazów cyfrowych. Akademicka Oficyna Wydawnicza PLJ, W-wa 1993. 4. R. Duda, P. Hart, D. Stork: Pattern Classification. 2nd edition, John Wiley, 2001. 5. I. Pitas. Digital Image Processing Algorithms and Applications. John Wiley, New York, 2000. 6. L.Rabiner, B.-H.Juang: Fundamentals of speech recognition. Prentice Hall, New York, 1993. 7. J. Benesty, M.M. Sondhi, Y. Huang (eds): Handbook of Speech Processing. Springer, Berlin Heidelberg, 2008. 8. H. Niemann. Klassifikation von Mustern. 2nd edtition, Springer, Berlin, 2003. 9. D. Paulus, J. Hornegger: Applied Pattern Recognition. A Practical Introduction to Image and Speech Processing in C++. Vieweg, Braunschweig, 3d edition, 2001.
Witryna www przedmiotu:
http://studia2.elka.pw.edu.pl/pub/12Z/ROSM.A/index.html
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W1
Po zakończeniu, student: - ma rozszerzoną i pogłębioną wiedzę z matematyki, w tym z zakresu systemów stochastycznych; - ma teoretycznie podbudowaną wiedzę z zakresu analizy danych; - ma szczegółową wiedzę w zakresie metod klasyfikacji wzorców, rozpoznawania obrazów i sygnałów mowy.
Weryfikacja: Egzamin pisemny z zakresu wykładu. Ocena projektu systemu rozpoznawania obrazu lub mowy w wybranym zastosowaniu.
Powiązane efekty kierunkowe: K_W04, K_W06, K_W08
Powiązane efekty obszarowe: T2A_W02, T2A_W04, T2A_W07

Profil ogólnoakademicki - umiejętności

Efekt U1
Po ukończeniu student: potrafi formułować i rozwiązywać problemy praktyczne oraz proste zadania badawcze w zakresie ananlizy danych, tworzenia modeli obiektów i ich wykorzystania w procesach rozpoznawania wzorców; - potrafi wykorzystywac wiedzę z różnych dziedzin przy budowaniu oprogramowania dla systemów rozpoznających; - potrafi formułować i testować hipotezy związane z zagadnieniem rozpoznawania obrazów i sygnałów mowy; - potrafi zaprojektować i wykonać projekt inżynierski z zakresu systemów rozpoznawania wzorców.
Weryfikacja: Egzamin pisemny w formę rozwiązywania konkretnych zadań z wykorzystaniem metod prezentowanych na wykładzie. Ocena wykonania projektu systemu rozpoznawania obrazu lub mowy dla wybranego problemu.
Powiązane efekty kierunkowe: K_U06, K_U07, K_U09, K_U12, K_U14
Powiązane efekty obszarowe: T2A_U08, T2A_U09, T2A_U10, T2A_U11, T2A_U17, T2A_U19

Profil ogólnoakademicki - kompetencje społeczne

Efekt K1
Potrafi myśleć i działać w sposób kreatywny i przedsiębiorczy.
Weryfikacja: Ocena realizacji zadań podczas egzaminu. Ocena stopnia samodzielności i innowacyjności w wykonaniu zadanego projektu inżynierskiego.
Powiązane efekty kierunkowe: K_K01
Powiązane efekty obszarowe: T2A_K06