Научно-исследовательский семинар "Технологии компьютерного зрения"

Бакалавриат 2021/2022

Статус: Курс по выбору (Программная инженерия)

Направление: 09.03.04. Программная инженерия

Кто читает: Департамент программной инженерии

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 1-3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Ганичев Антон Александрович

Язык: русский

Кредиты: 3

Контактные часы: 44

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Компьютерное зрение - это раздел искусственного интеллекта связанный с извлечением информации из изображений. Он включает методы позволяющие производить обнаружение, отслеживание и классификацию объектов на изображениях а так же в видеопотоке. Технологии компьютерного зрения находят применение в - Робототехнике: промышленные роботы, автономные транспортные средства; - Системах безопасности: контроль доступа, распознавание лиц, обнаружение подозрительного поведения; - Здравоохранении: анализ медицинских изображений, топографическое моделирование; - Системах взаимодействия и дополненной реальности: поиск по изображениям, аннотация, ввода информации В последние годы в области компьютерного зрения достигнут значительный прогресс. Он связан с прежде всего с технологиями глубокого обучения (Deep learning) и в частности с использованием свёрточных нейронных сетей (Convolutional Neural Networks) которые и будут изучаться в рамках данного семинара.

Цель освоения дисциплины

Обеспечить студентов базовыми знаниями о технологиях применяющихся для анализа изображений и видео
Заложить основы знаний об архитектурах и способах обучения сверточных нейросетей (CNN)
Познакомить студентов с основными программными и аппаратными средствами применяющимися для создания и обучения CNN

Планируемые результаты обучения

Знать принцип работы основных алгоритмов детектирования объектов.
Понимать принцип работы линейного классификатора, знать алгоритмы kNN, SVM
Понимать принцип работы сверточной нейросети. Знать алгоритм обратного распространения.
Уметь самостоятельно обучить нейросетевой классификатор.

Содержание учебной дисциплины

Анализ изображений.
Линейный классификатор.
Классификатор на основе нейронной сети
Сверточная нейронная сеть.
Архитектуры СNN
Работа с реальными данными
Генеративные модели
Обучение на малом объёме данных
Сегментация изображений.

Элементы контроля

Доклад
Выполненные в ходе подготовки доклада эксперименты могут быть зачтены в качестве выполнения практических задач (см. пункт "Работа на семинаре"). Оценка за дисциплину выставляется в соответствии с формулой оценивания от всех пройденных элементов контроля. Экзамен не проводится.
Работа на семинаре
Включает: участие в обсуждении, ответы на вопросы и выполнение практических заданий (см пример).

Промежуточная аттестация

2021/2022 учебный год 3 модуль
0.5 * Работа на семинаре + 0.5 * Доклад

Список литературы

Авторы

Ганичев Антон Александрович

Программа дисциплины