• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2023/2024

Научно-исследовательский семинар "Технологии компьютерного зрения"

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус: Курс по выбору (Программная инженерия)
Направление: 09.03.04. Программная инженерия
Когда читается: 3-й курс, 1-3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 3
Контактные часы: 48

Программа дисциплины

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

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

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

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

Элементы контроля

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

Промежуточная аттестация

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

Список литературы

Рекомендуемая основная литература

  • McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
  • Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт , перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2019. — 343 с. — (Среднее профессиональное образование). - Режим доступа: http://znanium.com/catalog/product/970143

Авторы

  • Буцкая Евгения Александровна
  • Ганичев Антон Александрович