Couvre les techniques de récupération d'informations de forme 3D à partir d'images 2D à l'aide de modèles d'ombrage et d'approches modernes d'apprentissage profond.
Couvre les principes fondamentaux du traitement de l'image scientifique, les pratiques logicielles et les considérations éthiques dans le traitement de l'image.
Discute de l'analyse des textures dans les images, en se concentrant sur les propriétés statistiques et structurelles, les techniques de segmentation et les applications d'apprentissage automatique pour la classification des textures.
Explore la transformée de Fourier, le filtrage de fréquence, la segmentation et l'estimation de la taille des particules à l'aide de techniques d'analyse d'images.
Explore la classification des images en utilisant des arbres de décision et des forêts aléatoires pour réduire la variance et améliorer la robustesse du modèle.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.