TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | CEN468 |
| Ad | Pattern Recognition |
| Dönem | 2024-2025 Eğitim-Öğretim Yılı |
| Yarıyıl | 8. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Mehmet SARIGÜL |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Örüntü tanıma dersi, öğrencilere bilgisayarla görüntü işlemenin temellerini sunarak, görüntülerdeki özellikleri tanıma, sınıflandırma ve analiz etme becerilerini geliştirmeyi amaçlar. Ders içeriği, temel görüntü işleme teknikleri, öznitelik çıkarımı, sınıflandırma algoritmaları ve derin öğrenme yöntemleri üzerine odaklanarak, öğrencilere pratik deneyimler ve projeler aracılığıyla bu konularda ustalık kazandırmayı hedefler.
Dersin İçeriği
Öncelikle temel görüntü işleme algoritmalarıyla başlanır. Bu algoritmalar arasında kenar tespiti, yoğunluk dönüşümü ve filtreleme yer alır. Ardından, öznitelik çıkarımı teknikleri ele alınır, bu teknikler arasında histogram analizi, köşe ve kenar belirleme, ve özellik vektörleri çıkarma bulunur. Sınıflandırma algoritmaları olarak k-NN, Naive Bayes, SVM gibi temel ve derin öğrenme algoritmaları tanıtılır ve bu algoritmaların görüntü sınıflandırma ve tanıma problemlerinde nasıl kullanılabileceği incelenir. Son olarak, öğrencilerin projelerde ve uygulamalarda kullanabilecekleri görüntü tanıma teknikleri ve araçları, örneğin OpenCV ve TensorFlow gibi kütüphaneler, uygulamalı örnekler ve pratik deneyimlerle öğretilir.
Dersin Ön Koşulu
Artificial intelligence systems dersini almış olmak
Kaynaklar
Pattern Recognition and Machine Learning Christopher M. Bishop · 2006
Notlar
Ders notları
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Öğrenciler, görüntü işleme alanında temel kavramları bilir. |
| ÖÇ02 | Öğrenciler, kenar tespiti, yoğunluk dönüşümü, filtreleme gibi temel görüntü işleme algoritmalarını ve öznitelik çıkarımı tekniklerini bilir ve bu teknikleri uygular. |
| ÖÇ03 | Öğrenciler, k-NN, Naive Bayes, SVM gibi temel sınıflandırma algoritmalarını ve derin öğrenme yöntemlerini bilir. |
| ÖÇ04 | Öğrenciler, görüntü işleme ve örüntü tanıma projelerinde kullanılabilecek kütüphaneleri ve araçları bilir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme | 5 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama | 3 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, sistem bileşenini ya da süreci analiz etme ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlama becerisi; bu doğrultuda modern tasarım yöntemlerini uygulama becerisi | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi | 3 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi | 4 |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi | |
| PÖÇ10 | Yetkinlikler - Öğrenme Yetkinliği | Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | |
| PÖÇ11 | Yetkinlikler - Öğrenme Yetkinliği | Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık | |
| PÖÇ12 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Görüntü İşleme Nedir? RGB ve Gri Tonlama | Görüntü İşleme Nedir? RGB ve Gri Tonlama | Öğretim Yöntemleri: Anlatım |
| 2 | Görüntü İşleme Kütüphaneleri: OpenCV Tanıtımı Temel Görüntü İşleme İşlemleri: Dönüşümler, Ölçeklendirme, Döndürme | Görüntü İşleme Kütüphaneleri: OpenCV Tanıtımı Temel Görüntü İşleme İşlemleri: Dönüşümler, Ölçeklendirme, Döndürme | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 3 | Kenar Tespiti Algoritmaları: Sobel, Canny | Kenar Tespiti Algoritmaları: Sobel, Canny | Öğretim Yöntemleri: Anlatım |
| 4 | Görüntü Filtreleme: Gauss Filtre, Median Filtre Uygulamalar: Kenar Tespiti ve Filtreleme | Görüntü Filtreleme: Gauss Filtre, Median Filtre Uygulamalar: Kenar Tespiti ve Filtreleme | Öğretim Yöntemleri: Anlatım, Gösteri, Gösterip Yaptırma |
| 5 | Yoğunluk Dönüşümü ve Histogram Analizi | Yoğunluk Dönüşümü ve Histogram Analizi | Öğretim Yöntemleri: Anlatım, Gösteri |
| 6 | Morfolojik İşlemler: Genişletme, Aşındırma, Açma, Kapanma Uygulamalar: Yoğunluk Dönüşümü ve Morfolojik İşlemler | Morfolojik İşlemler: Genişletme, Aşındırma, Açma, Kapanma Uygulamalar: Yoğunluk Dönüşümü ve Morfolojik İşlemler | Öğretim Yöntemleri: Anlatım, Gösteri |
| 7 | Köşe ve Kenar Belirleme Hough Dönüşümü | Köşe ve Kenar Belirleme Hough Dönüşümü | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 8 | Ara Sınavlar | Ölçme Yöntemleri: Proje / Tasarım |
|
| 9 | Öznitelik Çıkarımı Yöntemleri: HOG, SIFT, SURF Uygulamalar: Öznitelik Çıkarımı | Öznitelik Çıkarımı Yöntemleri: HOG, SIFT, SURF Uygulamalar: Öznitelik Çıkarımı | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 10 | k-NN (En Yakın Komşu) Naive Bayes | k-NN (En Yakın Komşu) Naive Bayes | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 11 | Karar Ağaçları Uygulamalar: Temel Sınıflandırma Algoritmaları | Karar Ağaçları Uygulamalar: Temel Sınıflandırma Algoritmaları | Öğretim Yöntemleri: Anlatım, Gösteri |
| 12 | Yapay Sinir Ağları Evrişimli Sinir Ağları (CNN) | Yapay Sinir Ağları Evrişimli Sinir Ağları (CNN) | Öğretim Yöntemleri: Anlatım, Gösteri |
| 13 | Derin Öğrenme Framework'leri: TensorFlow, Keras Uygulamalar: Derin Öğrenme Tabanlı Sınıflandırma | Derin Öğrenme Framework'leri: TensorFlow, Keras Uygulamalar: Derin Öğrenme Tabanlı Sınıflandırma | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 14 | Veri Toplama ve Hazırlama Görüntü Verilerinin Ön İşleme Adımları | Veri Toplama ve Hazırlama Görüntü Verilerinin Ön İşleme Adımları | Öğretim Yöntemleri: Beyin Fırtınası, Tartışma, Anlatım |
| 15 | Proje Sunumu ve Raporlama | Proje Sunumu ve Raporlama | Öğretim Yöntemleri: Proje Temelli Öğrenme |
| 16 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
|
| 17 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 4 | 56 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 14 | 14 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 14 | 14 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 28 | 28 |
| Toplam İş Yükü (Saat) | 154 | ||
| Toplam İş Yükü / 25 (s) | 6,16 | ||
| AKTS | 6 AKTS | ||