Методы сжатия и передачи медиаданных

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс по выбору

Когда читается:

4-й курс, 3 модуль

Преподаватель

Яковенко Александр Викторович

Программа дисциплины

Аннотация

В течение курса будут рассмотрены алгоритмы сжатия различных типов медиаданных (текст, изображения, видео), причем как классические подходы, так и современные методы с применением машинного обучения. Слушатели курса также познакомятся с тем, как различные медиаданные хранятся в памяти компьютера и научатся базовой обработке изображений и видео. В рамках читаемого курса будет предложено реализовать некоторые алгоритмы сжатия (арифметическое сжатие, фрактальное сжатие и компенсация движения).

Цель освоения дисциплины

• Знать основные современные алгоритмы обработки и сжатия медиаданных
• Владеть навыками реализации алгоритмов обработки и сжатия медиаданных на языках C/C++ и Python
• Владеть навыками программной работы с изображениями и видео
• Иметь представление об устройстве видеокодеков
• Иметь понимание об избыточности в текстах, изображениях и видео

Планируемые результаты обучения

• Уметь разрабатывать алгоритмы и программные системы для обработки и сжатия медиаданных
• Уметь участовать в соревнованиях в оптимизации алгоритмов и необходимые для этого навыки исследовательской работы

Содержание учебной дисциплины

• Арифметическое сжатие.
• Контекстное сжатие (PPM). Современные методы сжатия без потерь.
• Базовая работа и изображениями. Алгоритмы сжатия изображений.
• Фрактальное сжатие изображений.
• Алгоритмы сжатия изображений JPEG и JPEG2000.
• Камеры глубины.
• Оценка движения в видео и вычисление оптического потока.
• Метрики качества видео.
• Современные видеокодеки и их оптимизация.
• Стереоскопическое 3D видео.

Элементы контроля

• Бонусные задания
  Для повышения оценки можно запросить дополнительное задание.
• Проверочные работы
  Выдаются в конце каждой лекции. Содержат вопросы по теме лекции.
• Домашнее задание 1
  Реализация алгоритма арифметического сжатия. Выдается после лекции № 1 на три недели.
• Домашнее задание 2
  Реализовать алгоритм фрактального сжатия изображений на языке Python. Выдается после лекции № 4 на три недели
• Домашнее задание 3
  Реализовать алгоритм оценки движения на языке C++. Выдается после лекции № 7 на три недели.

Промежуточная аттестация

• 2022/2023 учебный год 3 модуль
  0 * Бонусные задания + 0.3 * Домашнее задание 1 + 0.3 * Домашнее задание 2 + 0.3 * Домашнее задание 3 + 0.1 * Проверочные работы

Список литературы

Рекомендуемая основная литература

• Tanenbaum, A. S., & Steen, M. van. (2014). Distributed Systems: Pearson New International Edition : Principles and Paradigms (Vol. 2nd ed). Harlow, Essex: Pearson. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1418515
• Ватолин, Д. С. Методы сжатия изображений : учебное пособие / Д. С. Ватолин. — 2-е изд. — Москва : ИНТУИТ, 2016. — 196 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100646 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Yuval Fisher. (2012). Fractal Image Compression : Theory and Application (Vol. 1995). Springer.

Авторы

• Бардуков Анатолий Андреевич