Mekatronik Mühendisliği Tezli Yüksek Lisans
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Lisansüstü Eğitim Enstitüsü
Mekatronik Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
Lisansüstü Eğitim Enstitüsü
Mekatronik Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 81811120 | İleri Robot Görme | 1 | Bahar | 2 | 3+0+0 | 7 | 7 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Yüksek Lisans (TYYÇ: 7. Düzey / QF-EHEA: 2. Düzey / EQF-LLL: 7. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | Dr. Öğr. Üyesi Amir Yavariabdi |
| Dersi Veren(ler) | Dr. Öğr. Üyesi Amir YAVARIABDI |
| Yardımcı(lar) | - |
Dersin İçeriği
Görüntü tipleri ve özellikleri, Görüntü kayıt sistemlerinin özellikleri, görüntünün geometrik olarak düzeltilmesi, Görüntü iyileştirme teknikleri, Lineer diferansiyel denklemler, Görüntü füzyon metotları, Özellik çıkarma ve Eşleştirme Tabanlı Yöntemler, Optik Akış yöntemleri, Denetimli ve denetimsiz sınıflandırma metotları, Yapay sinir ağları ile sınıflandırma, derin öğrenme nesnesi tespiti metotları
Dersin Amacı
1. Bilgisayarla görmenin problemlerini çalışmak
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | |
| Uzmanlık / Alan Dersleri | X |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Yeterlilikleri | Düzey |
|---|---|---|
| P3 | Mekatronik sistemlerde kullanılan elektriksel ve elektronik bileşenleri bilmeli, bileşen seçimi yapabilmeli | 5 |
| P5 | İnternette patent ve literatür araştırması yapabilmeli | 5 |
| P7 | Temel bilimlerin ve teknolojinin güncel durumuna göre yenilikçi çözümler önerebilmeli | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Tek veya bir çok kamera kullanarak imgelerin edinilebilmesi | P.3.13 | |
| Ö2 | Alçak, orta ve yüksek seviyeli görüntü problemlerini çözmede literatürdeki algoritma ve teknikleri uygulayabilme | P.5.1 | |
| Ö3 | İlgilenilen nesnelerin saptanabilmesi ve tanınabilmesi, imge dizilerinden hareket içeriğinin çıkartılabilmesi ve imgelerden üç boyutlu yapı bilgisinin çıkartılabilmesi | P.7.3 | |
| Ö4 | İmge bölütleme, imge eşleştirme ve nesne saptama veya nesne tanıma yapabilen programlar yazabilme | P.7.4 | |
| ** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7 | |||
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Giriş, Robot Vizyona Bakış ( DiğerAlanlarla İlgisi) |
| 2 | Robot Vizyona Bakış ( GörüntüOluşumu ve Algılama,Yansıtmalar, Parlaklık, Lensler,Görüntü Algılama |
| 3 | İkili Görüntüler ve Özellikleri (Temelleri, Geometrik Özellikleri,Topolojik Özellikleri) |
| 4 | Sınır Tanıma (Diferansiyelİşlemler) |
| 5 | Sınır Tanıma (Ayrık Yaklaşımlar) |
| 6 | Görüntü füzyon: transfer fonksiyonları |
| 7 | Görüntü füzyon: difüzyon denklemi |
| 8 | Görüntü füzyon: Thin-Plate Spline |
| 9 | Özellik çıkarma ve Eşleştirme Tabanlı Yöntemler |
| 10 | Optik Akış yöntemleri: Horn-Schunck algorithm and Lucas- Kanade algorithm |
| 11 | Stereo Görüntüleme |
| 12 | Yapay sinir Girişi |
| 13 | derin öğrenme nesnesi tespiti: RCNN, SSD, YOLO |
| 14 | Öğrenci Sunumları |
Ders Kitabı veya Malzemesi
| Kaynaklar | Computer Vision: Algorithms and Applications, Richard Szeliski,Springer-Verlag, 2010. |
| Machine vision: theory, algorithms, practicalities, Davies, E. R. (E. Roy), Elsevier, 2005 |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | 1 | 50 (%) |
| Seminer | - | - |
| Kısa sınav (Quiz) | - | - |
| Ara Sınavlar | - | - |
| Yarıyıl Sonu Sınavı | 1 | 50 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 13 | 19 | 247 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 0 | 0 | 0 |
| Ara Sınav | 0 | 0 | 0 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 1 | 2 | 2 |
| Uygulama | 0 | 0 | 0 |
| Laboratuvar | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 1 | 2 | 2 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 251 | ||
| Toplam Yük / 30 | 8,37 | ||
| Dersin AKTS Kredisi: | 8 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P3 | P5 | P7 |
|---|---|---|---|---|
| Ö1 | Tek veya bir çok kamera kullanarak imgelerin edinilebilmesi | 3 | - | - |
| Ö2 | Alçak, orta ve yüksek seviyeli görüntü problemlerini çözmede literatürdeki algoritma ve teknikleri uygulayabilme | - | 3 | - |
| Ö3 | İlgilenilen nesnelerin saptanabilmesi ve tanınabilmesi, imge dizilerinden hareket içeriğinin çıkartılabilmesi ve imgelerden üç boyutlu yapı bilgisinin çıkartılabilmesi | - | - | 5 |
| Ö4 | İmge bölütleme, imge eşleştirme ve nesne saptama veya nesne tanıma yapabilen programlar yazabilme | - | - | 5 |