2024
Компьютерное зрение
В курсе дается полноценное введение в область компьютерного зрения и рассматриваются все ключевые задачи.
Поскольку современные методы основаны на нейросетевых методах, то курс включает краткое введение в глубокое обучение.
По каждой задаче обсуждается постановка задачи, метрики оценки качества, актуальные датасеты и основные идеи современных алгоритмов решения этой задачи.
Поскольку современные методы основаны на нейросетевых методах, то курс включает краткое введение в глубокое обучение.
По каждой задаче обсуждается постановка задачи, метрики оценки качества, актуальные датасеты и основные идеи современных алгоритмов решения этой задачи.
Преподаватели спецкурса
Конушин Антон Сергеевич
Кандидат физико-математических наук
Доцент кафедры ИИТ, ВМК МГУ
Руководитель департамента искусственного интеллекта, ООО "Исследовательский центр Самсунг"
Доцент кафедры ИИТ, ВМК МГУ
Руководитель департамента искусственного интеллекта, ООО "Исследовательский центр Самсунг"
Основные научные интересы: компьютерное зрение
Шахуро Владислав Игоревич
Инженер лаборатории компьютерной графики и мультимедиа, кафедра ИИТ, ВМК МГУ
Инженер департамента ИИ ООО "Исследовательский центр Самсунг".
Инженер департамента ИИ ООО "Исследовательский центр Самсунг".
Основные научные интересы: компьютерное зрение, генеративные модели
Требования к слушателям
Предполагается знакомство студентов с основами машинного обучения. Например, в рамках спецкурса "Введение в ИИ".
1. Понятие о компьютерном зрении, сложности, связи с искусственным интеллектом. Свет и цвет, модели цвета, цифровое изображение. Особенности зрения человека.
2. Основы обработки изображений. Рассматриваются точечные методы повышения контраста и цветокоррекции, методы пространственной фильтрации изображений, основы сегментации и выделения краёв, масштабирования изображений и сжатие изображений.
3. Классификация и распознавание изображений с помощью эвристических признаков. Рассматривается основная схема построения признаков, методы HoG, BoW, GIST.
4. Основы свёрточных нейросетей и глубинного обучения. Базовые нейросетевые архитектуры и их особенности, дообучение сетей, методы визуализации работы нейросети.
5. Классификация изображений с помощью нейросетей.
6. Поиск похожих изображений с помощью нейросетевых признаков, обучение представлений, обучение метрик.
7. Выделение объектов на изображении с помощью нейросетевых моделей. Основные мета-архитектуры.
8. Сегментация изображений. Пересегментация, интерактивная сегментация объекта интереса, семантическая сегментация, выделение экзмепляров, применение методов сегментации для оценки позы человека.
9. Обработка и распознавание видео. Оценка оптического потока, визуальное сопровождение объектов, сопровождение множества объектов, распознавание событий в видео.
10. Трансформеры и их применение в компьютерном зрении.
2. Основы обработки изображений. Рассматриваются точечные методы повышения контраста и цветокоррекции, методы пространственной фильтрации изображений, основы сегментации и выделения краёв, масштабирования изображений и сжатие изображений.
3. Классификация и распознавание изображений с помощью эвристических признаков. Рассматривается основная схема построения признаков, методы HoG, BoW, GIST.
4. Основы свёрточных нейросетей и глубинного обучения. Базовые нейросетевые архитектуры и их особенности, дообучение сетей, методы визуализации работы нейросети.
5. Классификация изображений с помощью нейросетей.
6. Поиск похожих изображений с помощью нейросетевых признаков, обучение представлений, обучение метрик.
7. Выделение объектов на изображении с помощью нейросетевых моделей. Основные мета-архитектуры.
8. Сегментация изображений. Пересегментация, интерактивная сегментация объекта интереса, семантическая сегментация, выделение экзмепляров, применение методов сегментации для оценки позы человека.
9. Обработка и распознавание видео. Оценка оптического потока, визуальное сопровождение объектов, сопровождение множества объектов, распознавание событий в видео.
10. Трансформеры и их применение в компьютерном зрении.
Курс сопровождается обширным практикумом.
Каждая лекция сопровождается семинаром, на котором с помощью Питон-ноутбука рассматривается какой-то практический аспект этой задачи.
По каждой теме также дается домашнее практическое задание, предполагающее написание программы с автоматической проверкой, набором тестов, отдельные конкурсные задания и наборы тестов.
Каждая лекция сопровождается семинаром, на котором с помощью Питон-ноутбука рассматривается какой-то практический аспект этой задачи.
По каждой теме также дается домашнее практическое задание, предполагающее написание программы с автоматической проверкой, набором тестов, отдельные конкурсные задания и наборы тестов.
Студенты, прослушавшие курс, познакомятся со всеми основными задачами компьютерного зрения, современными методами их решения, и освоят на
практике многие из них
практике многие из них