Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
BETONARME YAPILARDA ONARIM VE GÜÇLENDİRME	İkinci Düzey	MİM 629		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	-
Eğitimin Dili	Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı	Dr. M. Çağlar BAYDOĞAN
Yardımcı Öğretim Eleman(lar)ı	-
Dersin Veriliş Şekli	Teorik
Dersin Amacı	Bilgisayar vizyonu (yapay vizyon) kentsel çalışmalarda ve mimaride araştırma alanları. Elde edilen verilerin hangi alanda değerlendirilebileceğini belirlemek.
Dersin Tanımı	Mimari tasarım uygulamaları için bilgisayarlı görüntü algoritmalarının analizi. Bilgisayarla görü teorisi ve pratiğine giriş, yani dünyayı oluşturan nesneleri ve süreçleri anlama, görsel imgelerde kalıpları analiz etme. Ana konular optik, görüntü gösterimi, özellik çıkarma, görüntü işleme, nesne tanıma, özellik seçimi, olasılıklı çıkarım, algısal analiz ve organizasyon, segmentasyon, özellik tabanlı hizalama, 3B derinlik veri işlemeyi içerir. Mimari tasarım uygulamaları ve kentsel çalışmalar için görsel problemleri çözmek için kavramlar ve algoritmalar geliştirmek.

Dersin İçeriği

1	Resim Oluşturma, Fotometri, Renk.
2	Projektif Geometri.
3	Yerel Özellikler ve Gruplandırma.
4	Mimari Tasarım için Yerel Özellik ÇıkarmaTeknikleri
5	Örüntü tanıma ve öğrenme.
6	Nesne Tanıma
7	İzleme: Hareket modelleri, Kalman Filtresi. Videodan insanları takip etmek.
8	Mimari Tasarımda Desen ve Nesne Tekniklerinin Analizi
9	Örnekleme Yöntemleri.
10	Özellik tabanlı görüntü eşleştirme.
11	AMimari tasarım için hareket tahmin tekniklerinin kullanımı.
12	3B derinlik veri işleme.
13	Mimari tasarımda 3B derinlikli veri işleme analizi.
14	Mimari tasarımda bilgisayarlı görü uygulamaları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Bilgisayar görü kullanım alanlarını öğrenme.
2	Resim oluşumu, görüntü işleme, özellik algılama ve eşleştirme konularını kavrama.
3	Mimarlık ve kent çalışmalarında bilgisayarlı görü tekniklerini tanıma.
4	Görüntü işleme, görüntü tanıma, vb. işlemler için teknik bilgi sahibi olma.
5	İçerikte yer alan bilgileri kodlama becerisi kazanma.
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	mesleki rol ve işlevlerini yerine getirmek için gerekli kuramsal ve uygulama bilgilerine sahiptir.
2	Mesleki etik ilke ve değerlere uygun davranır
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	13	3	39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	13	3	39
Ödevler	8	5	40
Sunum / Seminer hazırlama	2	3	6
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	0	0	0
Ara sınavlar	1	10	10
Proje (Yarıyıl ödevi)	1	10	10
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	0	0	0
Yarıyıl sonu sınavı	0	0	0
Araştırma	10	4	40
Toplam iş yükü			184
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	1	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Richard Szeliski, Computer Vision: Algorithms and Applications, Microsoft Research (online book), 2010.
Yardımcı Kaynaklar	Richard Hartley & Andrew Zisserman, "Multiple View Geometry in Computer Vision", Cambridge University Press, March 2004. David Forsyth and Jean Ponce, Computer Vision: A Modern Approach, Prentice-Hall, 2003. Gary Bradski and Adrian Kaehler, "Learning OpenCV: Computer Vision with the OpenCV Library", Oreilly, 2008. Szeliski''s W ebsite Trevor Darrell''s CS 280 Computer V ision class at Berkeley Antonio T orralba''s 6.869 Advances in Computer V ision class at MIT Michael Black''s CS 143 Introduction to Computer Vision class at Brown Kristen Grauman''s CS 378 Computer Vision class at UT Austin Alyosha Efros'' 15-463 Computational Photography classes at Carnegie Mellon Alyosha Efros'' 16-721 Learning-Based Methods in Vision classes at Carnegie Mellon Pascal Fua''s CS-442 Introduction to Computer V ision class at EPFL CS 143 Introduction to Computer Vision CS 131 Computer Vision: Foundations and Applications Machine Vision Foundations of Computer V ision

Ders İle İlgili Dosyalar