Theoretical Methods for Computer Vision and Signal Processing

Θεωρητικές Μέθοδοι Όρασης Υπολογιστών και Μηχανικής Μάθησης

Εξάμηνο:

Περιγραφή & Στόχοι

Θεωρητική ανάλυση μαθηματικών μεθόδων και υπολογιστικών αλγορίθμων που εφαρμόζονται σε διάφορες περιοχές προβλημάτων της όρασης υπολογιστών και μηχανικής μάθησης.

Διδακτικό Προσωπικό

Διδάσκων:

Περιεχόμενα

Κάθε έτος που διδάσκεται το μάθημα, διδάσκεται ένα υποσύνολο από τα ακόλουθα θέματα:

  • Advanced Topics in Linear Algebra, Least Squares and Compact Representations with Applications in Vision and Learning.
  • Fractal Shapes and Fractal Images/Signals with Applications in Vision and Learning.
  • Wavelets and Frames, Sparse Modeling and Compressed Sensing.
  • Morphological & Tropical Operators on Lattices. Minimax Algebra. Tropical Geometry. Applications in Vision and Learning.
  • Graph-theoretic Methods for Computer Vision and Networks, with Applications in Machine Learning.
  • Deep Learning for Computer Vision Applications.

Βαθμολογία & Προαπαιτούμενα

Βαθμολογία:
Σειρές θεωρητικών (και μερικών υπολογιστικών) προβλημάτων, και δυνητικά κάποια εξαμηνιαία εργασία (γραπτή και με παρουσίαση).

Προαπαιτούμενα:
Προηγούμενο Μάθημα σε Επεξεργασία Σημάτων ή Μηχανική Μάθηση ή σε Όραση Υπολογιστών και Έγκριση Διδάσκοντος.

Βιβλία & Σημειώσεις

Διαφάνειες & Άρθρα

Διαφάνειες Παρουσιάσεων (Slides)

Επιστημονικά Άρθρα (Papers)

Διεθνής Βιβλιογραφία

  • A. V. Oppenheim, R. W. Schafer with J.R. Buck, Discrete-time Signal Processing, Prentice-Hall, 1999.
  • J. Proakis and D. Manolakis, Digital Signal Processing, Macmillan Publ.Co.
  • L.R. Rabiner and R.W. Schafer, Digital Processing of Speech Signals, Prentice-Hall, 1978.
  • J. H. McClellan, R. W. Schafer and M. A. Yoder, Signal Processing First, Prentice-Hall, 2003.
  • A. V. Oppenheim, A. S. Willsky with H. Nawab, Signals and Systems, Prentice-Hall, 1997.
2025-11-26T13:46:41+00:00 May 18th, 2018|