2023/2024

Технологии машинного обучения

Статус: Маго-лего

Кто читает: Департамент информатики

Когда читается: 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Артамонов Алексей Сергеевич, Головкина Анна Геннадьевна

Язык: русский

Кредиты: 6

Контактные часы: 112

Программа дисциплины

Аннотация

Является дисциплиной по выбору. Данная дисциплина направлена на овладение навыками анализа изображений, сегментации изображений. Студенты получат представление об основных алгоритмах из области анализа изображений и научатся проводить сегментацию и детектировать объекты на изображении, используя методы компьютерного зрения и глубинного обучения. Для освоения дисциплины студентам необходимы знания, полученные в результате изучения дисциплины «Глубинное обучение».

Цель освоения дисциплины

• Формирование у студентов теоретических знаний и практических навыков по основам анализа изображений и сегментации изображений.

Планируемые результаты обучения

• Владеет навыками работы с моделями. Оценка параметров модели. Метод наименьших квадратов, M-оценки, RANSAC, преобразование Хафа.
• Владеет навыками реконструкции изображения, стилей, текстур. Владеет понятиями: матрица Грама, Генеративно-состязательные нейронные сети.
• Владеет навыками сегментация объектов. Владеет понятиями: семантическая сегментация; Суперпикселизация.
• Владеет навыками трекинга объектов.
• Владеет навыком поиска по визуальному подобию, поиска нечетких дубликатов, объектов на фотографии, сцен.
• Владеет понятиями: метрика качества IoU; HUG; задача многоклассовой детекции. Знает классификацию окон. Знает алгоритмы сегментации и детекции объектов на изображении.
• владеет понятиями: многослойные нейронные сети, стохастический градиентный спуск, сверточные нейронные сети.
• Владеет понятиями: пространственная область; частотная область, преобразование Фурье, спектральный анализ; выделение компонент связности; выделение краев. Математическая морфология.
• Знает классификацию объектов: бинарная и многоклассовая классификация. Знает категории объектов. Имеет навык извлечения фрагментов, вычисление признаков фрагментов, обучение словаря.
• Знает: свойства признаков изображений; текстовые и визуальные признаки; пространства признаков. Владеет понятиями: ключевые точки; детектор угловых точек; детектор Моравица.
• Знает основные используемые методы обработки изображений. Применяет современные методы анализа и сегментации изображений для решения практических задач. Владеет навыками реализации алгоритмов, использования и оптимизации библиотек анализа изображений.
• Знает основные математические модели, используемые для анализа изображений в машинном обучении. Модифицирует используемые математические модели для конкретных задач. Владеет навыками применения различных математических задач для анализа изображений.
• Знает основные этапы разработки и адаптации формальных математических моделей. Оценивает трудоемкость и время исполнения различных алгоритмов машинного обучения, применяемых для анализа изображений. Владеет навыками планирования решения задач, связанных с анализом изображений.

Содержание учебной дисциплины

• Обработка изображений
• Глобальные и локальные признаки изображений
• Параметрические модели
• Классификация объектов на изображении.
• Глубокие нейронные сети
• Поиск изображений по содержанию
• Детектирование объектов
• Сегментация изображений
• Генеративные сети
• Трекинг объектов

Элементы контроля

• Устный экзамен
  Устный экзамен проводится в форме ответов на вопросы экзаменационного билета. Возможны дополнительные вопросы, в случае если экзаменуемый в недостаточной степени подробно ответил на вопросы билета. На подготовку ответа выделяется 2,5 часа.
• Домашнее задание №1
  Домашнее задание №1 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом, если не указано другого, языке программирования алгоритм.
• Домашнее задание №2
  Домашнее задание №2 выдается студентам в одном варианте и состоит из 2 задач. Срок выполнения домашнего задания - 3 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.
• Домашнее задание №3
  Домашнее задание №3 выдается студентам в одном варианте и состоит из 2 задач. Срок выполнения домашнего задания - 3 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.

Промежуточная аттестация

• 2023/2024 учебный год 4 модуль
  Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2+ Од/з3) / 3

Список литературы

Рекомендуемая основная литература

• Wojciechowski, K. (2006). Computer Vision and Graphics : International Conference, ICCVG 2004, Warsaw, Poland, September 2004, Proceedings. Dordrecht: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=155987

Рекомендуемая дополнительная литература

• Furht, B., Akar, E., & Andrews, W. A. (2018). Digital Image Processing: Practical Approach. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1881248

Авторы

• Кузнецов Антон Михайлович