K-MOOC

주차

주차명

주차별 학습 목표

차시

차시명(학습내용)

1

컴퓨터 비전에서 사용되는 디지털 영상에 대한 이해

디지털 영상의 표현 방법과 종류, 색상 모델에 대해 설명할 수 있다.

1-1

지능형 컴퓨터 비전 교과목 소개

1-2

디지털 영상의 표현 방법과 종류

1-3

디지털 영상의 색상 모델

2

디지털 영상의 연산 및 히스토그램

디지털 영상의 산술 및 논리 연산과 히스토그램을 활용한 영상분할에 대해 설명할 수 있다.

2-1

디지털 영상의 산술 및 논리연산

2-2

디지털 영상의 히스토그램 소개

2-3

디지털 영상의 히스토그램 기반 영상분할

3

디지털 영상 데이터 필터링 종류 및 저역통과 필터링

영상 데이터의 필터링과 저역통과 필터의 방법, 잡음제거 기술에 대해 설명할 수 있다.

3-1

디지털 영상 데이터의 필터링

3-2

저역통과 필터의 개념 및 필터링 방법

3-3

저역통과 필터 기반 잡음제거 기술

4

디지털 영상의 고역통과 필터링 및 경계선 검출

영상 데이터의 고역통과 필터와 1차, 2차 미분 기반 경계 검출에 대해 설명할 수 있다.

4-1

고역통과 필터의 개념 및 필터링 방법

4-2

1차 미분 기반 경계 검출

4-3

2차 미분 기반 경계 검출

5

디지털 영상의 기하학적 변환

디지털 영상의 기하학적 변환과 스케일링, 회전변환, 어파인 변환에 대해 설명할 수 있다.

5-1

기하학적 변환과 스케일링

5-2

기하학적 변환에서의 회전변환

5-3

2차원 영상의 어파인 변환

6

컴퓨터 비전에서의 투영변환 및 카메라 모델

디지털 영상의 투영변환과 3차원 좌표계 변환, 핀홀 카메라 모델에 대해 설명할 수 있다.

6-1

투영변환과 어파인변환

6-2

3차원 좌표계 변환

6-3

핀홀 카메라 모델

7

수동 및 능동방식 기반의 3차원 복원 기술

수동 및 능동방식의 3차원 복원 기술과 혼합방식 기반의 3차원 복원 기술에 대해 설명할 수 있다.

7-1

수동방식 3차원 복원 기술

7-2

능동방식 3차원 복원 기술

7-3

혼합방식 기반 3차원 복원

8

중간고사

중간고사

9

특징 검출 및 대응점 정합

특징 검출 알고리즘과 정합 성능 평가 방식, RANSAC 기반 정합에 대해 설명할 수 있다.

9-1

특징 검출 알고리즘

9-2

대응점 정합 및 성능평가 방법

9-3

템플릿 매칭과 RANSAC 기반 정합

10

디지털 영상의 분할 및 적용분야

디지털 영상의 분할과 K-Means 알고리즘, Mean shift 알고리즘 등 다양한 영상 분할 기술에 대해 설명할 수 있다.

10-1

디지털 영상의 분할 소개

10-2

K-Means 알고리즘과 Mean shift 알고리즘

10-3

다양한 영상 분할 기술

11

영상의 인식 및 지도학습 및 비지도학습 기반 분류

영상의 지도학습, 비지도학습 기반 인식 및 분류에 대해 설명할 수 있다.

11-1

영상의 인식과 분류

11-2

지도학습 기반 인식 및 분류

11-3

비지도학습 기반 인식 및 분류

12

기계학습 알고리즘과 인공지능과의 관계

기계학습에서 회귀 분석을 포함한 다양한 예측 기법의 원리를 설명할 수 있다.

12-1

인공지능 및 기계학습

12-2

K-NN과 회귀 알고리즘

12-3

최근의 기계학습 알고리즘

13

심층학습의 개념과 신경망 모델

기계학습과 심층학습의 개념 및 신경망 학습 방법의 개념을 설명할 수 있다.

13-1

심층학습 개념 및 적용분야

13-2

신경망 모델

13-3

심층 신경망 모델 개념 및 구조

14

심층 신경망 모델 기반 분류 및 예측

심층 신경망 기반의 분류 기술과 예측 문제, 모델, 적용 분야에 대해 설명할 수 있다.

14-1

심층 신경망 모델 기반 분류

14-2

심층학습 기반 예측 문제 및 예측 모델

14-3

심층학습 적용 분야

15

기말고사

기말고사