TEK5030 – Computer Vision

You are currently viewing TEK5030 – Computer Vision
Digital composition of man using virtual reality headset and touching a digital screen

കോഴ്സ് ഉള്ളടക്കം

ഇമേജുകൾ, വീഡിയോ തുടങ്ങിയ വിഷ്വൽ ഡാറ്റ ഉപയോഗിച്ച് ആളില്ലാ സിസ്റ്റം പോലുള്ള ഒരു യന്ത്രത്തിന് അതിന്റെ ചുറ്റുമുള്ള പരിസ്ഥിതിയെ എങ്ങനെ വ്യാഖ്യാനിക്കാനും മനസ്സിലാക്കാനും കഴിയും എന്നതിനെക്കുറിച്ചുള്ള പഠനമാണ് കമ്പ്യൂട്ടർ വിഷൻ. ഫിസിക്കൽ ഇമേജിംഗ് പ്രക്രിയ, ക്യാമറ ജ്യാമിതി, ഇമേജ് പ്രോസസ്സിംഗ് എന്നിവയുടെ സമഗ്രമായ സൈദ്ധാന്തിക അവലോകനത്തിലൂടെ ഈ കോഴ്സ് ഈ പഠന മേഖലയ്ക്ക് ഒരു ആമുഖം നൽകും. ഇമേജ് പിരമിഡുകൾ, കീപോയിന്റ് സവിശേഷതകൾ, ടു-വ്യൂ ജ്യാമിതിയുടെ ശക്തമായ എസ്റ്റിമേറ്റ് തുടങ്ങിയ ഏറ്റവും പ്രധാനപ്പെട്ട കമ്പ്യൂട്ടർ വിഷൻ ടൂളുകൾ ഞങ്ങൾ ഉൾക്കൊള്ളും. കമ്പ്യൂട്ടർ വിഷൻ സിസ്റ്റങ്ങളുടെ പ്രായോഗിക നടപ്പാക്കലിലും കോഴ്സ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു, കൂടാതെ ഒബ്ജക്റ്റ് ഡിറ്റക്ഷൻ, ഇമേജ് സ്റ്റിച്ചിംഗ്, 3 ഡി പുനർനിർമ്മാണം, വിഷ്വൽ സ്ലാം തുടങ്ങിയ നിരവധി രസകരമായ ആപ്ലിക്കേഷനുകൾ ഉൾക്കൊള്ളുന്നു.

പഠന ഫലം

TEK5030 പൂർത്തിയാക്കിയ ശേഷം,

കമ്പ്യൂട്ടർ വിഷൻ മേഖലയുടെ അടിസ്ഥാന അവലോകനം നിങ്ങൾക്ക് ഉണ്ടായിരിക്കും

അടിസ്ഥാന കമ്പ്യൂട്ടർ വിഷൻ ടൂളുകളെയും രീതികളെയും കുറിച്ച് നിങ്ങൾക്ക് എങ്ങനെ പ്രയോഗിക്കാമെന്ന് അറിയുകയും മനസ്സിലാക്കുകയും ചെയ്യും

ചില പ്രധാന ഉപകരണങ്ങളും രീതികളും എങ്ങനെ വിശദമായി പ്രവർത്തിക്കുന്നുവെന്ന് നിങ്ങൾ മനസ്സിലാക്കും

അടിസ്ഥാന കമ്പ്യൂട്ടർ കാഴ്ച പ്രശ്നങ്ങൾ പരിഹരിക്കുന്ന അൽഗോരിതങ്ങൾ നടപ്പിലാക്കാൻ നിങ്ങൾക്ക് കഴിയും

കമ്പ്യൂട്ടർ വിഷൻ സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിന് OpenCV ലൈബ്രറി ഉപയോഗിക്കുന്നതിൽ നിങ്ങൾക്ക് പരിചയം ഉണ്ടായിരിക്കും

കോഴ് സിലേക്കുള്ള പ്രവേശനം

യുഐഒയിൽ പ്രവേശനം നേടിയ വിദ്യാർത്ഥികൾ സ്റ്റുഡന്റ് വെബിലെ കോഴ്സുകൾക്ക് അപേക്ഷിക്കണം.

നോർഡിക് പൗരന്മാർക്കും നോർഡിക് രാജ്യങ്ങളിൽ താമസിക്കുന്ന അപേക്ഷകർക്കും ഒരൊറ്റ കോഴ്സ് വിദ്യാർത്ഥിയായി ഈ കോഴ്സ് എടുക്കാൻ അപേക്ഷിക്കാം.

നിങ്ങൾ ഇതിനകം തന്നെ UiO-യിൽ ഒരു വിദ്യാർത്ഥിയായി ചേർന്നിട്ടില്ലെങ്കിൽ, അന്താരാഷ്ട്ര അപേക്ഷകർക്കുള്ള പ്രവേശന ആവശ്യകതകളെയും നടപടിക്രമങ്ങളെയും കുറിച്ചുള്ള ഞങ്ങളുടെ വിവരങ്ങൾ ദയവായി കാണുക.

ശുപാർശ ചെയ്ത മുൻ അറിവുകൾ

ഇമേജ് പ്രോസസ്സിംഗ്, ഇമേജ് അനാലിസിസ് എന്നിവയിലെ ആമുഖ കോഴ്സുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് കോഴ്സ്. ലീനിയർ ബീജഗണിതത്തെക്കുറിച്ച് നല്ല ധാരണ ശുപാർശ ചെയ്യുന്നു.

അധ്യാപനം

സെമസ്റ്ററിലുടനീളം ആഴ്ചയിൽ 3 മണിക്കൂർ പ്രഭാഷണങ്ങളും ലാബ് വ്യായാമങ്ങളും. പ്രോഗ്രാമിംഗ് ലൈബ്രറി ഓപ്പൺ സിവിയും വിവിധ ക്യാമറ സംവിധാനങ്ങളും ഉപയോഗിച്ച് പ്രായോഗിക പരീക്ഷണങ്ങളും പ്രോജക്റ്റ് ജോലികളും കോഴ്സിൽ ഉണ്ട്.

കോഴ്സിൽ ടേമിൽ ചെറിയ ഗഡുക്കൾ ഉൾക്കൊള്ളുന്ന പ്രോജക്റ്റ് വർക്ക് ഉണ്ട്, ഇത് അന്തിമ പരീക്ഷ എഴുതുന്നതിന് അംഗീകാരം നൽകണം.

ഈ കോഴ്സിൽ ഫ്ലിപ്പ്ഡ് ക്ലാസ് റൂം ഉപയോഗിക്കുന്നു. സെറ്റ് പ്രഭാഷണ കാലയളവുകളിൽ പരീക്ഷണങ്ങളിലും ഗൈഡഡ് പ്രോജക്റ്റ് ജോലികളിലും പങ്കെടുക്കുന്നതിന് മുമ്പ് നിങ്ങൾക്ക് സ്വന്തമായി വീഡിയോ പ്രഭാഷണങ്ങൾ കാണാൻ കഴിയും.

കെജെല്ലർ റിസർച്ച് പാർക്കിലെ ടെക്നോളജി സിസ്റ്റംസ് വിഭാഗത്തിലാണ് കോഴ്സ് പ്രഭാഷണങ്ങൾ നൽകുന്നത്. കാമ്പസ് ബ്ലൈൻഡേണിൽ നിന്നുള്ള സ്റ്റുഡന്റ് ബസിന്റെ ഷെഡ്യൂൾ കാണുക.

പരിശോധന

അവസാന എഴുത്തുപരീക്ഷ 100% ഫൈനൽ ഗ്രേഡിലേക്ക് കണക്കാക്കുന്നു.

കുറച്ച് ഉദ്യോഗാർത്ഥികൾ ഉള്ളതിനാൽ, പരീക്ഷ വായിലൂടെ നടത്താം.

ഈ കോഴ്സിന് നിർബന്ധിത വ്യായാമങ്ങളുണ്ട്, നിങ്ങൾക്ക് അവസാന പരീക്ഷ എഴുതുന്നതിന് മുമ്പ് അംഗീകാരം നൽകണം.

ഇനിപ്പറയുന്ന കോഴ്സുകളിൽ ഒന്നിനായി നിങ്ങൾ പരീക്ഷ എഴുതുകയാണെങ്കിൽ, ഈ കോഴ്സിനായി പരീക്ഷ എഴുതാനുള്ള 3 ശ്രമങ്ങളിൽ ഒന്നായി ഇത് കണക്കാക്കപ്പെടും:

  • പരിശോധനാ പിന്തുണാ മെറ്റീരിയൽ
  • പരീക്ഷാ പിന്തുണാ സാമഗ്രികളൊന്നും അനുവദനീയമല്ല.
  • പരീക്ഷയുടെ ഭാഷ

ഇംഗ്ലീഷിൽ പഠിപ്പിക്കുന്ന കോഴ്സുകൾ ഇംഗ്ലീഷിൽ മാത്രമേ പരീക്ഷാ പേപ്പർ നൽകൂ. നിങ്ങൾക്ക് നോർവീജിയൻ, സ്വീഡിഷ്, ഡാനിഷ് അല്ലെങ്കിൽ ഇംഗ്ലീഷ് ഭാഷകളിൽ പരീക്ഷാ പേപ്പർ എഴുതാം.

ഗ്രേഡിംഗ് സ്കെയിൽ

എ മുതൽ എഫ് വരെയുള്ള സ്കെയിലിലാണ് ഗ്രേഡുകൾ നൽകുന്നത്, അവിടെ എ മികച്ച ഗ്രേഡും എഫ് പരാജയവുമാണ്. ഗ്രേഡിംഗ് സിസ്റ്റത്തെക്കുറിച്ച് കൂടുതൽ വായിക്കുക.

ഒരു പരിശോധന പുനഃപരിശോധിക്കുക

റഗുലർ പരീക്ഷയിൽ നിന്ന് വിട്ടുനിൽക്കുന്നതിന് സാധുവായ കാരണം രേഖപ്പെടുത്താൻ കഴിയുന്ന വിദ്യാർത്ഥികൾക്ക് അടുത്ത സെമസ്റ്ററിന്റെ തുടക്കത്തിൽ മാറ്റിവച്ച പരീക്ഷ വാഗ്ദാനം ചെയ്യുന്നു.

യഥാർത്ഥ പരീക്ഷയ്ക്കിടെ പിൻവാങ്ങുകയോ വിജയിക്കാതിരിക്കുകയോ ചെയ്യുന്ന വിദ്യാർത്ഥികൾക്ക് റീ-ഷെഡ്യൂൾ ചെയ്ത പരീക്ഷകൾ വാഗ്ദാനം ചെയ്യുന്നില്ല.

UiO-യിലെ പരീക്ഷകളെക്കുറിച്ച് കൂടുതൽ

UiO-യിലെ പരീക്ഷകളെക്കുറിച്ചുള്ള വെബ് പേജിൽ കൂടുതൽ ഗൈഡുകളും വിഭവങ്ങളും നിങ്ങൾ കണ്ടെത്തും.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply