| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Görüntü Analizi | HRT4131 | 2 | 3 | 2 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ Harita Mühendisliği Lisans Programı (%30 İngilizce) |
| Ders Kategorisi | Temel Meslek Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Harita Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | UĞUR ACAR |
| Dersi Veren(ler) | UĞUR ACAR |
| Asistan(lar)ı | ONUR CAN BAYRAK |
| Dersin Amacı | Görüntüden bilgi çıkarımı konusunda kullanılan yöntem ve yeni yaklaşımların aktarılmasıdır. |
|---|---|
| Dersin İçeriği | Görüntü topolojisi, bölütleme, özellik çıkarma, doku analizi, obje yakalama, obje-temelli sınıflandırma, görüntü analizinde bulanık mantık ve yapay sinir ağlarının uygulanması |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Görüntü bölütleme probleminin çözümü için en uygun yöntemi tanımlar. (PÇ 2.1)
- Hangi görüntü bölütleme yönteminin hangi problemde kullanılabileceğini saptar.(PÇ 2.1)
- Görüntü filtreleme yöntemlerini obje yakalama/çıkartma probleminin çözümünde uygular. (PÇ 2.1)
- Görüntü bölütleme problemlerinin çözümü için bölütleme yöntemlerini karşılaştırır.(PÇ 2.1)
- Görüntü basitleştirme problemlerinin çözümü için çözüm önerir.(PÇ 2.1)
- Görüntü işleme probleminin çözümü için iş akış sürecini tanımlar.(PÇ 2.1)
- Etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlayabilir.(PÇ 7.1)
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | DÖÇ-6 | DÖÇ-7 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Görüntü topolojisi | Ders materyali |
| 2 | Mean-shift bölütleme | Ders materyali |
| 3 | Simple iterative linear clustering yöntemi | Ders materyali |
| 4 | Particle Swarm optimizasyon yöntemi | Ders materyali |
| 5 | Random Forest yöntemi | Ders materyali |
| 6 | K-Means, C-Means yöntemi | Ders materyali |
| 7 | Support Vector Machine yöntemi | Ders materyali |
| 8 | Ara Sınav 1 | |
| 9 | Yapay Sinir Ağları | Ders materyali |
| 10 | Yapay Sinir Ağları | Ders materyali |
| 11 | Doku analizi | Ders materyali |
| 12 | Doku analizi | Ders materyali |
| 13 | Görüntü işlemede bulanık mantık | Ders materyali |
| 14 | Görüntü işlemede bulanık mantık | Ders materyali |
| 15 | Konu Tekrarı ve Uygulamaları | N/A |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | 0 | 0 |
| Laboratuar | 0 | 0 |
| Uygulama | 0 | 0 |
| Arazi Çalışması | 0 | 0 |
| Derse Özgü Staj | 0 | 0 |
| Küçük Sınavlar/Stüdyo Kritiği | 0 | 0 |
| Ödev | 1 | 30 |
| Sunum/Jüri | ||
| Projeler | 0 | 0 |
| Seminer/Workshop | 0 | 0 |
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 2 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 2 | |
| Derse Özgü Staj | |||
| Ödev | 1 | 10 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | 0 | 0 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 7 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|