Dieser Kurs ist Teil der Spezialisierung Spezialisierung First Principles of Computer Vision

Shree Nayar

von

Spezialisierung First Principles of Computer VisionColumbia University

Über diesen Kurs

6.057 kürzliche Aufrufe

This course focuses on the detection of features and boundaries in images. Feature and boundary detection is a critical preprocessing step for a variety of vision tasks including object detection, object recognition and metrology – the measurement of the physical dimensions and other properties of objects. The course presents a variety of methods for detecting features and boundaries and shows how features extracted from an image can be used to solve important vision tasks.
We begin with the detection of simple but important features such as edges and corners. We show that such features can be reliably detected using operators that are based on the first and second derivatives of images. Next, we explore the concept of an “interest point” – a unique and hence useful local appearance in an image. We describe how interest points can be robustly detected using the SIFT detector. Using this detector, we describe an end-to-end solution to the problem of stitching overlapping images of a scene to obtain a wide-angle panorama. Finally, we describe the important problem of finding faces in images and show several applications of face detection.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 2 von 5 in

Spezialisierung First Principles of Computer Vision

Stufe „Anfänger“

Students should know the fundamentals of linear algebra and calculus. The knowledge of any programming language is beneficial, though not required.

Ca. 10 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Was Sie lernen werden

Learn how to detect edges and corners in images.

Develop active contours (snakes) to find complex object boundaries.

Learn about the Hough Transform for finding simple parametric shapes in images.

Learn about image transformations and how to estimate the homography between two images.

Kompetenzen, die Sie erwerben

Scale Space
Active Contours
Image Transformations
Edge and Corner Detection
SIFT Detector

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 2 von 5 in

Spezialisierung First Principles of Computer Vision

Stufe „Anfänger“

Students should know the fundamentals of linear algebra and calculus. The knowledge of any programming language is beneficial, though not required.

Ca. 10 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Dozent

Shree Nayar

T. C. Chang Professor

Computer Science

1.198 Lernende

5 Kurse

von

Columbia University

For more than 250 years, Columbia has been a leader in higher education in the nation and around the world. At the core of our wide range of academic inquiry is the commitment to attract and engage the best minds in pursuit of greater human understanding, pioneering new discoveries and service to society.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

2 Stunden zum Abschließen

Getting Started: Features and Boundaries

2 Stunden zum Abschließen

8 Lektüren

Woche

Woche 2

2 Stunden zum Abschließen

Edge Detection

2 Stunden zum Abschließen

Woche

Woche 3

2 Stunden zum Abschließen

Boundary Detection

2 Stunden zum Abschließen

Woche

Woche 4

2 Stunden zum Abschließen

SIFT Detector

2 Stunden zum Abschließen

Über den Spezialisierung First Principles of Computer Vision

This specialization presents the first comprehensive treatment of the foundations of computer vision. It focuses on the mathematical and physical underpinnings of vision and has been designed for learners, practitioners and researchers who have little or no knowledge of computer vision. The program includes a series of 5 courses. Any learner who completes this specialization has the potential to build a successful career in computer vision, a thriving field that is expected to increase in importance in the coming decades.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Features and Boundaries