Anasayfa » Akademik Birimler » İnşaat Fakültesi » Harita Mühendisliği Bölümü » Dersler » Görüntü İşleme Algoritmalarının Programlanması
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Görüntü İşleme Algoritmalarının Programlanması HRT324223120
ÖnkoşullarHRT1172
YarıyılGüz
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Harita Mühendisliği Lisans Programı (%30 İngilizce)
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimHarita Mühendisliği Bölümü
Dersin KoordinatörüANİME MELİS UZAR DİNLEMEK
Dersi Veren(ler)ANİME MELİS UZAR DİNLEMEK
Asistan(lar)ıONUR CAN BAYRAK, ATAKAN BİLGİLİ, TÜMAY ARDA
Dersin AmacıBu ders, öğrencilerin görüntü işleme içerikli problemlerin çözümünde sistematik düşünme yaklaşımını algılamalarını, veri-işlem-çıktı sürecini kurgulayabilmelerini sağlamayı, programlama dilleri ile problemleri çözebilmeleri için gerekli temel bilgileri verebilmeyi amaçlamaktadır.
Dersin İçeriğiProgramlama İle Problem Çözümü; Sayısal Görüntü İşleme Problemleri Ve Algoritma Geliştirme Yaklaşımları; Programlama Dilinin Temel Özellikleri; Çeşitli Problemlerin Kodlanması.Bu kapsamda PYTHON ve Makine Öğrenmesini Harita Mühendisliği ile iliskilendirir.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Digital Image Processing Using MATLAB, R.C.Gonzales, R. E. Woods, S. L. Eddins
  • Machine Learning
  • Feature Extraction & Image Processing for Computer Vision , M. Nixon, A.S. Aguado
  • Sayısal Görüntü İşleme Ders Notları,YTÜ
  • PYTHON Uygulama kodları,2024
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Temel görüntü işleme operatörleri için en uygun Makine Öğrenmesi ve PYTHON fonksiyonunu tanımlar. (P.Ç.4.2)
  2. Hangi görüntü işleme fonksiyonun hangi problemde kullanılabileceğini saptar.(P.Ç.4.2)
  3. PYTHON kütüphaneleri ile temel görüntü işleme probleminin çözümünde uygular.(P.Ç.4.2)
  4. Görüntü işleme problemlerinin çözümü için gereksinim duyulan Makine Öğrenmesi ve PYTHON karşılaştırır ve sunum yapar.(P.Ç.7.1)
  5. Görüntü işleme problemlerinin çözümü için Makine Öğrenmesi ve PYTHON ile çözüm önerir ve rapor yazar. (P.Ç.7.3)
  6. Görüntü işleme kütüphanesinin görüntü işleme problemlerinin çözümü için uygulanabilirliğini değerlendirir.(P.Ç.4.2)
  7. Makine Öğrenmesi ve PYTHON kullanılarak geliştirilen algoritmaları açıklar.(P.Ç.4.2)

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5DÖÇ-6DÖÇ-7

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Sayısal Görüntü İşleme :Tanım ve İçerik BilgilendirmeN/A
2Algoritma Geliştirme Yaklaşımları PYTHON ve Yapay ZEKAN/A
3 PYTHON: Programlama Tanım ve Kullanım BilgilendirmeN/A
4Sayısal Görüntü İşleme PYTHON Kütüphanesi İlişkilendirmeN/A
5 PYTHON VE MAKİNE ÖĞRENMESİ: Programlama Dilinin Temel ÖzellikleriN/A
6Sayısal Görüntü İşleme Problemlerinin KodlanmasıN/A
7Sayısal Görüntü İşleme MAKİNE ÖĞRENMESİ UYGULAMALARIN/A
8Ara Sınav 1
9Sayisal Görüntü Işleme Problemlerinin Kodlanması:Obje yakalama N/A
10Sayısal Görüntü İşleme Problemlerinin Kodlanması:SegmentasyonN/A
11Sayısal Görüntü İşleme Problemlerinin Kodlanması:SınıflandırmaN/A
12Sayısal Görüntü İşleme Problemlerinin Kodlanması: obje çıkarımıN/A
13Öğrenci SunumlarıN/A
14Öğrenci sunumlarıN/A
15Konu Tekrarı ve UygulamalarıN/A
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri130
Projeler
Seminer/Workshop
Ara Sınavlar130
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati141
Laboratuar
Uygulama142
Arazi Çalışması
Sınıf Dışı Ders Çalışması142
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer112
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)112
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok