Název:

Klasifikace a rozpoznávání

Zkratka:IKR
Ak.rok:2012/2013
Semestr:letní
Studijní plán:
ProgramObor/
specializace
RočníkPovinnost
IT-BC-3BIT-volitelný
Vyučovací jazyk:čeština
Informace veřejné:http://www.fit.vutbr.cz/study/courses/IKR/public/
Kredity:5 kreditů
Ukončení:zkouška (kombinovaná)
Výuka:
hod./sempřednáškasem./cvič.lab. cvič.poč. cvič.jiná
Rozsah:26130013
 zkouškatestycvičenílaboratořeostatní
Body:60150025
Garant:Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Přednášející:Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Černocký Jan, doc. Dr. Ing. (UPGM)
Španěl Michal, Ing., Ph.D. (UPGM)
Cvičící:Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav počítačové grafiky a multimédií FIT VUT v Brně
Prerekvizity: 
Signály a systémy (ISS), UPGM
Základy počítačové grafiky (IZG), UPGM
 
Cíle předmětu:
  Porozumět základům klasifikace a rozpoznávání a naučit se aplikovat základní algoritmy a metody v této oblasti na problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Seznámit se způsoby vyhodnocování úspěšnosti metod. Pochopit základní principy statistického rozpoznávání vzorů, diskriminativního trénování a vytváření hybridních systémů.
Anotace:
  Klasifikační úloha a rozpoznávání vzorů, základní schéma klasifikátoru, data a vyhodnocování úspěšnosti jednotlivých metod, statistické rozpoznávání vzorů, baysovské učení, metoda maximální věrohodnosti, GMM, algoritmus EM a diskriminativní trénování, kernelové metody, hybridní systémy, způsoby spojování klasifikátorů, základní princip a rozšíření metody AdaBoost, strukturní rozpoznávání, aplikace ve zpracování řeči - rozpoznávání mluvčího, rozpoznávání jazyka, rozpoznávání řeči, detekce klíčových slov, zpracování obrazu - rozpoznávání 2D objektů, vyhledávání obličejů, OCR, a zpracování přirozeného jazyka - klasifikace dokumentů, analýza textu.
Požadované prerekvizitní znalosti a dovednosti:
  Základní znalost běžného matematického formalismu.
Získané dovednosti, znalosti a kompetence z předmětu:
  Studenti se v rámci předmětu seznámí s problematikou klasifikace a rozpoznávání a naučí se aplikovat základní algoritmy a metody v této oblasti na vybrané problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Porozumí rozdílům mezi jednotlivými metodami a dokáží využít výhod existujících klasifikátorů při řešení prakticky orientovaných projektů.
Dovednosti, znalosti a kompetence obecné:
  Studenti se naučí řešit týmové projekty. Zdokonalí se v praktickém užívání programátorských nástrojů.
Osnova přednášek:
 
  1. Úlohy klasifikace a rozpoznávání, základní schéma klasifikátoru, datové množiny a vyhodnocování úspěšnosti.
  2. Pravděpodobnostní rozdělení, lineární modely
  3. Statistické rozpoznávání vzorů, bayesovký rámec, metoda maximální věrohodnosti
  4. Modelování sekvencí, skryté Markovovy modely, lineární dynamické systémy
  5. Generativní a diskriminativní modely
  6. Aplikace ve zpracování řeči - rozpoznávání mluvčího, rozpoznávání jazyka, rozpoznávání řeči, detekce klíčových slov
  7. Kernelové metody
  8. Smíšené modely, metoda maximalizace očekávání
  9. Kombinování modelů, spojování slabých klasifikátorů
  10. AdaBoost, základní princip a modifikace metody
  11. Aplikace ve zpracování obrazu - rozpoznávání 2D objektů, vyhledávání obličejů, OCR
  12. Rozpoznávání vzorů v textu, gramatiky, jazyky, analýza textu
  13. Prezentace projektů, směry dalšího vývoje
Osnova ostatní - projekty, práce:
 
  • Individuálně zadávané projekty
Literatura referenční:
 
  • Bishop, C. M.: Pattern Recognition, Springer Science + Business Media, LLC, 2006, ISBN 0-387-31073-8.
  • Fukunaga, K. Statistical pattern recognition, Morgan Kaufmann, 1990, ISBN 0-122-69851-7.
Literatura studijní:
 
  • Mařík, V., Štěpánková, O., Lažanský, J. a kol.: Umělá inteligence (1-4), ACADEMIA Praha, 1998-2003, ISBN 80-200-1044-0.
Kontrolovaná výuka:
  Kontrolovaná výuka zahrnuje půlsemestrální test, individuální projekt a písemnou zkoušku. Půlsemestrální test nemá náhradní termín, závěrečná zkouška má dva možné náhradní termíny.
Průběžná kontrola studia:
  
  • Půlsemestrální test - až 15 bodů
  • Projekt - až 25 bodů
  • Závěrečná písemná zkouška - až 60 bodů
Podmínky zápočtu:
  
  • Vypracování projektu
 

Vaše IPv4 adresa: 54.81.69.220