Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

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