Bu ders, yapay öğrenme perspektifinden bilgisayarla görü alanındaki modern kavramları tanıtmaktadır. Bilgisayarların görsel verilerden (görüntüler ve video) üç boyutlu dünyayı nasıl anladığına dair fikir vermeyi amaçlar. İşlenecek konular görüntülerin işlenmesi, analizi, anlaşılması ve sentezi üzerine olacaktır. Ders hem teorik/matematiksel hem de pratik bir bakış açısı sağlayacaktır. Laboratuvar saatleri, öğrencilerin sürekli uygulama yapacakları şekilde tasarlanmıştır.
Ön Koşullar
Programlama bilgisi ve lineer cebir/kalkülüs aşinalığı gereklidir. Yapay öğrenme ve görüntü işlemeye (CSE0451 düzeyinde) aşinalık avantaj olacaktır. Python deneyimi de bir artıdır, ancak Python kullanmamış olmanız, programlama deneyiminiz olduğu sürece sorun değildir.
· Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. 2016 (available online)
Diğer Kaynaklar
1. Concise Computer Vision: An Introduction into Theory and Algorithms, Springer, Series: Undergraduate Topics in Computer Science, by Reinhard Klette, 2014. ISBN 978-1-4471-6319-0 ;
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Course Introduction
Oral Presentation, Laboratory
2. Hafta
Image Classification, Linear Classifiers
Oral Presentation, Laboratory
3. Hafta
Regularization, Optimization, Neural Networks
Oral Presentation, Laboratory
4. Hafta
Backpropagation, Convolutional Networks
Oral Presentation, Laboratory
5. Hafta
CNN Architectures I
Oral Presentation, Laboratory
6. Hafta
Training Neural Networks
Oral Presentation, Laboratory
7. Hafta
CNN Architectures II
Oral Presentation, Laboratory
8. Hafta
Midterm
Oral Presentation, Laboratory
9. Hafta
Object Detection
Oral Presentation, Laboratory
10. Hafta
Image Segmentation
Oral Presentation, Laboratory
11. Hafta
Recurrent Networks
Oral Presentation, Laboratory
12. Hafta
Attention and Vision Transformers
Oral Presentation, Laboratory
13. Hafta
Generative Models
Oral Presentation, Laboratory
14. Hafta
Project Presentations
Oral Presentation, Laboratory
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
30
Projeler
1
30
Lab Ödevleri
1
10
Final
1
30
ÖÇ-1
1. Veriye dayalı yaklaşımlar hakkında bilgim var ve bunların görüntü sınıflandırmasında nasıl kullanıldığını biliyorum.
ÖÇ-2
2. Düzenlileştirme ve optimizasyon kavramlarına aşinayım.
ÖÇ-3
3. Yapay sinir ağları ve evrişimli ağlar hakkında tartışabilir ve onları karşılaştırabilirim. Çeşitli CNN mimarilerine aşinayım.
ÖÇ-4
4. Veriye dayalı yaklaşımlar hakkında bilgim var ve bunların nesne algılamada nasıl kullanıldığını biliyorum.
ÖÇ-5
5. Veriye dayalı yaklaşımlar hakkında bilgim var ve bunların görüntü bölütlemede nasıl kullanıldığını biliyorum.
ÖÇ-6
6. Yinelemeli sinir ağlarının temellerine aşinayım.
ÖÇ-7
7. Dikkat mekanizmasının ve görü dönüştürücülerinin temellerine aşinayım.
ÖÇ-8
8. Üretken modellerin temellerine aşinayım.
Program Çıktıları
PÇ-1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
PÇ-2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
PÇ-3
Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
PÇ-4
Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
PÇ-5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme veyorumlama becerisi.
PÇ-6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
PÇ-7
Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
PÇ-8
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki
gelişmeleri izleme ve kendini sürekli yenileme becerisi.
PÇ-9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
PÇ-10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
PÇ-11
Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi;mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.