Vision par ordinateur
Objectifs
Ce cours permet d'aborder les notions de calibrage, détection de points d'intérêt (en mono ou multi-résolution), mise en correspondance (globale et locale) et suivi. En autre, vous aborderez l'approche connue de SIFT (Scale Invariant Feature Transform) et une approche de suivi classique KLT, Kanade-Lucas-Tomasi.
Description
Cette partie se compose de 2 cours de classe renversée afin de permettre à l'apprenant d'être plus actif dans ses apprentissages. Ensuite, 4 travaux pratiques viennent illustrer les notions de détection et appariement abordées en cours afin de construire une mosaïque d'images. Cette matière sera évaluée via un questionnaire de cours en ligne et un examen sur feuille ainsi qu'une note de travaux pratiques. Ceci permet une évaluation continue des acquis.
Compétences visées
Connaître les approches de calibrage
Connaître les méthodes de détection de points d'intérêt et savoir les utiliser
Connaître les différentes techniques de mise en correspondance et savoir les manipuler
Bibliographie
Richard Szeliski. Computer vision: Algorithms and Applications, 2010.
http://szeliski.org/Book/
Pré-requis nécessaires
Avoir suivi l'UE de deuxième année Image, Modélisation et Rendu ou avoir des notion de traitement d'images et de segmentation.
Session 1 ou session unique - Contrôle des connaissances
Modalité | Nature | Coefficient | Remarques |
---|---|---|---|
CT (contrôle terminal) | Oral/Ecrit | 100% | Examen Vision par ordinateur |
CT (contrôle terminal) | Oral/Ecrit | 100% | Examen Vision par ordinateur |
Session 2 - Contrôle des connaissances
Modalité | Nature | Coefficient | Remarques |
---|---|---|---|
CT (contrôle terminal) | Oral/Ecrit | 100% | Examen Vision par ordinateur |
CT (contrôle terminal) | Oral/Ecrit | 100% | Examen Vision par ordinateur |
Contact(s)
CHAMBON SYLVIELieu(x)
- Toulouse