Осокин Антон Александрович
- Ведущий научный сотрудник:Факультет компьютерных наук / Департамент больших данных и информационного поиска / Лаборатория компании Самсунг
- Заместитель заведующего центром:Факультет компьютерных наук / Департамент больших данных и информационного поиска / Центр глубинного обучения и байесовских методов
- Доцент:Факультет компьютерных наук / Департамент больших данных и информационного поиска
- Начал работать в НИУ ВШЭ в 2017 году.
- Научно-педагогический стаж: 4 года.
Образование, учёные степени
- 2014Кандидат физико-математических наук: Московский государственный университет им. М.В. Ломоносова, специальность 01.01.09 «Дискретная математика и математическая кибернетика», тема диссертации: Субмодулярная релаксация в задаче минимизации энергии марковского случайного поля
- 2010
Специалитет: Московский государственный университет им. М.В. Ломоносова, факультет: вычислительной математики и кибернетики (ВМК), специальность «прикладная математика и информатика»
Достижения и поощрения
- Благодарность Факультета компьютерных наук НИУ ВШЭ (август 2018)
Надбавка за публикацию в международном рецензируемом научном издании (2018-2020)
Опыт работы
École Normale Supérieure & INRIA, Париж, Франция
Computer Science Department
Postdoctoral researcher in WILLOW project-team
Октябрь 2016 – Август 2017
École Normale Supérieure & INRIA, Париж, Франция
Computer Science Department
Postdoctoral researcher in SIERRA project-team
Октябрь 2014 – Сентябрь 2016
МГУ имени М.В. Ломоносова, Москва, Россия
Факультет вычислительной математики и кибернетики
Ассистент кафедры математических методов прогнозирования
Октябть 2012 – Сентрябрь 2014
20183
- Глава книги Shpakova T., Bach F., Osokin A. Marginal Weighted Maximum Log-likelihood for Efficient Learning of Perturb-and-Map models, in: Proceedings of the international conference on Uncertainty in Artificial Intelligence (UAI 2018). , 2018. P. 1-11.
- Глава книги Struminsky K., Lacoste-Julien S., Osokin A. Quantifying Learning Guarantees for Convex but Inconsistent Surrogates, in: Advances in Neural Information Processing Systems 31 (NIPS 2018). , 2018. P. 1-9.
- Глава книги Leblond R., Alayrac J., Osokin A., Lacoste-Julien S. SEARNN: Training RNNs with global-local losses, in: Proceedings of the 6th International Conference on Learning Representations (ICLR 2018). , 2018. P. 1-16.
20172
- Глава книги Osokin A., Chessel A., Carazo Salas R. E., Vaggi F. GANs for Biological Image Synthesis, in: Proceedings of the IEEE International Conference on Computer Vision (ICCV 2017). Venice : IEEE, 2017. P. 2252-2261. doi
- Глава книги Osokin A., Bach F., Lacoste-Julien S. On Structured Prediction Theory with Calibrated Convex Surrogate Losses, in: Advances in Neural Information Processing Systems 30 (NIPS 2017). Montreal : Curran Associates, 2017. P. 302-313.
20162
- Глава книги Bartunov S., Kondrashkin D., Osokin A., Vetrov D. Breaking Sticks and Ambiguities with Adaptive Skip-gram, in: Proceedings of Machine Learning Research. Proceedings of The International Conference on Artificial Intelligence and Statistics (AISTATS 2016) Vol. 51. Cadiz : , 2016. P. 130-138.
- Глава книги Osokin A., Alayrac J., Lukasewitz I., Dokania P., Lacoste-Julien S. Minding the Gaps for Block Frank-Wolfe Optimization of Structured SVMs, in: Proceedings of Machine Learning Research. Proceedings of the International Conference on Machine Learning (ICML 2016) Vol. 48. NY : , 2016. P. 885-925.
20153
- Глава книги Vu T., Osokin A., Laptev I. Context-Aware CNNs for Person Head Detection, in: Proceedings of the IEEE International Conference on Computer Vision (ICCV 2015). Santiago de Chile : IEEE, 2015. P. 2893-2901. doi
- Статья Osokin A., Vetrov D. Submodular Relaxation for Inference in Markov Random Fields // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2015. Vol. 37. No. 7. P. 1347-1359.
- Глава книги Novikov A., Podoprikhin D., Osokin A., Vetrov D. Tensorizing Neural Networks, in: Advances in Neural Information Processing Systems 28 (NIPS 2015). NY : Curran Associates, 2015.
20142
- Глава книги Osokin A., Kohli P. Perceptually Inspired Layout-Aware Losses for Image Segmentation, in: Lecture Notes in Computer Science. Proceedings of the 13th European Conference on Computer Vision (ECCV 2014) Vol. 8690. Part 2. Zürich : Springer, 2014. P. 663-678. doi
- Глава книги Vetrov D., Osokin A., Novikov A., Rodomanov A. Putting MRFs on a Tensor Train, in: JMLR Workshop and Conference Proceedings Issue 32: Proceedings of The 31st International Conference on Machine Learning. Beijing : Microtome Publishing, 2014. P. 811-819.
20131
Глава книги Kohli P., Osokin A., Jegelka S. A Principled Deep Random Field Model for Image Segmentation, in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2013). Portland : IEEE, 2013. P. 1971-1978. doi
20122
- Статья Delong A., Osokin A., Isack H. N., Boykov Y. Fast Approximate Energy Minimization with Label Costs // International Journal of Computer Vision. 2012. Vol. 96. No. 1. P. 1-27. doi
- Глава книги Delong A., Veksler O., Osokin A., Boykov Y. Minimizing sparse high-order energies by submodular vertex-cover, in: Advances in Neural Information Processing Systems 26 (NIPS 2012). Lake Tahoe : Curran Associates, Inc., 2012.
20111
Глава книги Osokin A., Vetrov D., Kolmogorov V. Submodular decomposition framework for inference in associative Markov networks with global constraints, in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2011). Colorado Springs : IEEE, 2011. P. 1889-1896. doi
20101
Глава книги Delong A., Osokin A., Isack H. N., Boykov Y. Fast approximate energy minimization with label costs, in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2010). San Francisco : IEEE, 2010. P. 2173-2180. doi
Выпускные квалификационные работы студентов
- Бакалавриат
Шарафян Д. В. «Определение позы человека на изображении при помощи нейросетевых структурных моделей». Факультет компьютерных наук, 2019
Глазкова Е. В. «Семантическая сегментация изображений при помощи нейросетевых структурных моделей». Факультет компьютерных наук, 2019
Шевченко А. С. «Методы совместного обучения глубоких структурных моделей». Факультет компьютерных наук, 2018
Скрипнюк В. О. «Условные генеративные конкурирующие сети для синтеза биологических изображений». Факультет компьютерных наук, 2018
Учебные курсы (2019/2020 уч. год)
- Глубинное обучение (Бакалавриат; где читается: Факультет компьютерных наук; 4-й курс, 1, 2 модуль)Рус
- Архив учебных курсов
