Научно-исследовательский семинар "Технологии компьютерного зрения"

Бакалавриат 2023/2024

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

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: 48

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Компьютерное зрение - это раздел искусственного интеллекта связанный с анализом визуальных данных. Он включает методы позволяющие производить обнаружение, отслеживание и классификацию объектов на изображениях и 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) которые будут рассматриваться 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.
Обратное распространение и алгоритмы оптимизации
Сверточная нейронная сеть и методы улучшения сходимости.
Архитектуры СNN & ViT
Работа с реальными данными
Генеративные модели
Metric lerning
Сегментация изображений.

Элементы контроля

Работа на семинаре
Включает: участие в обсуждении, ответы на вопросы и выполнение практических заданий (см пример).
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.

Промежуточная аттестация

2023/2024 учебный год 3 модуль
0.5 * Доклад + 0.5 * Работа на семинаре

Список литературы

Авторы

Буцкая Евгения Александровна
Ганичев Антон Александрович

Программа дисциплины