.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EENT303 | Görüntü İşleme Teknikleri I | Seçmeli Ders Grubu | 3 | 5 | 6.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Görüntü işleme teknikleri 1 dersi, öğrencilere dijital görüntü işleme konusunda temel teorik ve pratik bilgileri kazandırmayı amaçlar. Bu ders kapsamında, öğrenciler görüntü işlemenin temellerini, matematiksel arka planını, dijital görüntü işleme yöntemlerini, özellik çıkarımını, öğrenme tabanlı yöntemleri ve uygulamaları öğrenirler. Ayrıca, öğrencilerin dijital görüntüleri işleyerek, farklı amaçlar için uygun hale getirmelerini sağlayacak becerileri geliştirmeleri amaçlanmaktadır. Bu dersin hedefi, öğrencilerin dijital görüntüleri işleyebilme, analiz edebilme ve yorumlayabilme yeteneklerini geliştirerek, alanındaki ileri düzey konulara hazırlamaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Görüntü işleme temelleri: Öğrenciler, görüntü işlemenin temel kavramları ve matematiksel arka planını anlayacaklar ve dijital görüntülerin farklı işleme aşamalarını öğreneceklerdir. |
| 2 | Dijital görüntü işleme yöntemleri: Öğrenciler, dijital görüntü işleme teknikleri ve yöntemlerini öğreneceklerdir. Bu kapsamda, resim düzeltme, iyileştirme, büyütme/küçültme, sıkıştırma ve segmentasyon gibi işlemler hakkında bilgi sahibi olacaklardır. |
| 3 | Özellik çıkarımı: Öğrenciler, dijital görüntülerdeki özellikleri tanımlayacak ve özellik çıkarımı tekniklerini uygulayarak, görüntülerin farklı amaçlar için kullanılabilir hale getirilmesini öğreneceklerdir. |
| 4 | Öğrenme tabanlı yöntemler: Öğrenciler, denetimli, denetimsiz ve takviyeli öğrenme gibi yöntemleri öğrenerek, makine öğrenmesinin görüntü işleme alanındaki kullanımını anlayacaklar. |
| 5 | Uygulamalar: Öğrenciler, yüz tanıma, nesne tanıma, arama motorları gibi farklı uygulama alanlarına odaklanarak, dijital görüntü işlemenin gerçek hayatta nasıl kullanılabileceğini öğreneceklerdir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Görüntü İşleme Teknikleri 1 dersi, öğrencilere dijital görüntü işleme konusunda kapsamlı bir bakış açısı sunmaktadır. Bu ders, görüntü işlemenin temellerini ve matematiksel arka planını içermektedir. Dijital görüntü işleme yöntemleri, resim düzeltme, iyileştirme, büyütme/küçültme, sıkıştırma ve segmentasyon gibi temel işlemler, görüntü işlemede kullanılan özellik çıkarımı teknikleri ve öğrenme tabanlı yöntemler gibi konuları kapsamaktadır. Derin öğrenme ve sinir ağları da dahil olmak üzere farklı derin öğrenme modelleri de ele alınmaktadır. Bu ders ayrıca, uygulamalara odaklanarak, yüz tanıma, nesne tanıma, arama motorları gibi alanlarda dijital görüntü işleme tekniklerinin nasıl kullanılabileceğini de öğretmektedir. Bu ders, öğrencilere görüntü işleme teknikleri hakkında temel teorik ve pratik bilgileri kazandırmak ve alanındaki ileri düzey konulara hazırlamak için tasarlanmıştır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|---|
| 1 | Görüntü işlemenin tanımı ve önemi Görüntü işleme için gereken temel araçlar Dijital görüntü temelleri | |||
| 2 | Matris işlemleri ve matris cebri Fourier dönüşümü Wavelet dönüşümü | |||
| 3 | Histogram eşitleme Filtreleme teknikleri: ortalama, medyan, Gauss filtresi Sınır algılama teknikleri: Sobel, Canny | |||
| 4 | Hough dönüşümü Morfolojik işlemler: genişletme, erozyon, açılma, kapama | |||
| 5 | Görüntü segmentasyonu Bölütleme teknikleri: K-ortalama, spektral bölütleme, hiperspektral bölütleme | |||
| 6 | Nesne algılama Görüntü eşleme Görüntü sınıflandırma | |||
| 7 | Görüntü İşleme İçin Özellik Çıkarımı | |||
| 8 | Sınav | |||
| 9 | Harf özellikleri Renk özellikleri Hareket özellikleri | |||
| 10 | Yüz özellikleri Nesne özellikleri Özellik çıkarımı teknikleri | |||
| 11 | Makine öğrenmesi nedir? Makine öğrenmesi uygulamaları | |||
| 12 | Derin öğrenme Sinir ağları Farklı derin öğrenme modelleri | |||
| 13 | Yüz tanıma | |||
| 14 | Nesne tanıma |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Toplam İş Yükü (saat) | 0 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 5 | 4 | 1 | 3 | 4 | 4 | 3 | 5 | 5 | 4 | 4 | 3 | 3 | 4 | 3 |
| ÖÇ 2 | 3 | 3 | 2 | 4 | 4 | 3 | 4 | 5 | 4 | 3 | 4 | 1 | 3 | 4 | 5 |
| ÖÇ 3 | 3 | 4 | 3 | 3 | 3 | 3 | 2 | 3 | 3 | 3 | 3 | 4 | 2 | 3 | 3 |
| ÖÇ 4 | 2 | 3 | 2 | 3 | 3 | 4 | 3 | 2 | 4 | 3 | 2 | 4 | 3 | 2 | 3 |
| ÖÇ 5 | 4 | 3 | 2 | 4 | 2 | 3 | 2 | 4 | 3 | 2 | 3 | 3 | 2 | 3 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek