DERS ADI

: Mekatronikte Yapay Görme

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
MEC 5006 Mekatronikte Yapay Görme SEÇMELİ 3 0 0 7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ HATİCE DOĞAN

Dersi Alan Birimler

Mekatronik Mühendisliği Bütünleşik Doktora
Mekatronik Mühendisliği Yüksek Lisans
Mekatronik Mühendisliği Doktora

Dersin Amacı

Dersin amacı öğrencilere bilgisayarla görünün teorisini, uygulamasını ve tekniklerini tanıtmaktır.

Dersin Öğrenme Kazanımları

1   Bilgisayarla görü sistemlerinin temel tanımlarını ve kavramlarını anlayabilmek
2   Bilgisayarla görü sisteminin bileşenleri tanımlayabilmek ve seçebilmek
3   Bilgisayarla görü uygulamaları için temel görüntü işleme tekniklerini uygulayabilmek
4   Bilgisayarla görü ve görüntü işleme uygulamalarının olanaklarını ve limitlerini anlayabilmek
5   Gerçek dünya uygulamaları için bilgisayarlı görü algoritmalarını uygulayabilmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Bilgisayarla Görüye Giriş
2 Görüntü, görüntü özelikleri ve temsili I
3 Görüntü, görüntü özelikleri ve temsili II (Ödev)
4 Görüntü ön-işleme
5 Görüntü geliştirme (Ödev)
6 Matemetiksel morfoloji-I
7 Matemetiksel morfoloji-II (Ödev)
8 Arasınav
9 Bölütleme I
10 Bölütleme II (Ödev)
11 Obje tanıma
12 Şekil tanımlama ve temsili (Ödev)
13 Hareket, optik akış, görüntü tabanlı kontrol algoritmaları
14 Bölge ve kişi izleme (Ödev)

Ders İçin Önerilen Kaynaklar

Anakaynak
M. Sonka , V. Hlavac, R. Boyle, Image processing, Analysis, and Machine Vision, 3ed, Thomson, 2008.

Yardımcı kaynaklar

R.C. Gonzalez, R.E. Woods, Digital Image Processing, 3rd Ed., Prentice Hall, 2007.
J. Billingsley, R. Bradbeer, Mechatronics and Machine Vision in Practice, Springer-Verlag 2008.
R. Szeliski, Computer Vision: Algorithms and Applications, Springer. 2010.
D. H.Ballard, C. M.Brown, Computer Vision, Prentice-Hall, 2003.
L. Shapiro, G. Stockman, Computer Vision, Prentice-Hall, 2001.

Öğrenme ve Öğretme Yöntemleri

Ders içeriği sunumlar aracılığıyla verilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 ODV ÖDEV
3 YSS YIL SONU SINAVI
4 YSBN YIL SONU BAŞARI NOTU ARS * 0.25 + ODV *0.25 +YSS *0.50
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.25 + ODV *0.25 +BUT *0.50


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Öğrenme çıktıları sınavlar ve ödevler ile değerlendirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Hatice Doğan
hatice.dogan@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 13 3 39
Ödev Hazırlama 6 8 48
Haftalık Ders öncesi/sonrası hazırlıklar 13 4 52
Final Sınavına Hazırlık 1 18 18
Vize Sınavına Hazırlık 1 12 12
Final Sınavı 1 3 3
Vize Sınavı 1 3 3
TOPLAM İŞ YÜKÜ (saat) 175

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14PK.15
ÖK.14
ÖK.233
ÖK.33323
ÖK.4432
ÖK.53323