Компьютерное зрение

В рамках онлайн-курса от НИУ ВШЭ слушатели познакомятся со всеми основными задачами, возникающими в компьютерном зрении. Научатся работать с изображениями как классическими методами, так и с помощью глубокого обучения. Помимо обработки отдельно взятых изображений, курс затрагивает восстановление и работу с 3D объектами. Полученные знания будут подкреплены практикой на языке Python.

Онлайн-курс охватывает основные задачи компьютерного зрения. В рамках курса слушатели дистанционно научатся программно обрабатывать изображения, поймут, на чем основаны все фоторедакторы. Затем они познакомятся с глубинным обучением для основных задач, возникающих в зрении, а именно классификации, сегментации и детекции. В дополнение к задаче с учителем, слушатели познакомятся с генеративными моделями. Кроме того, в рамках курса слушатели узнают о поведении нейронных сетей для задачи зрения, и о признаках, что они порождают, научатся с ними работать.

Затем в курсе будет показана работа с 3D объектами. Будет рассказано о математической модели камеры и способах восстановить глубину и сцену по изображениям. Также, будут рассказаны основы графики и инструменты машинного обучения и анализа 3D объектов в сцене.

Курс состоит из 11 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. В открытом доступе вы можете ознакомиться с видеолекциями первых двух недель, остальные материалы станут доступны после оплаты курса. 

1. Richard Szeliski. (2010). Computer Vision: Algorithms and Applications.
2. Jiao, L., Zhang, F., Liu, F., Yang, S., Li, L., Feng, Z., & Qu, R. (2019). A Survey of Deep Learning-based Object Detection.
3. Richard Szeliski. (2006). Image alignment and stitching: a tutorial.

Перед изучением курса мы рекомендуем вам изучить курс Python как иностранный.

Неделя 1. Азы работы с изображениями.
Неделя 2. Границы и признаки.
Неделя 3. Задача классификации.
Неделя 4. Задачи переноса стиля и поиска изображений по содержанию.
Неделя 5. Детекция объектов.
Неделя 6. Сегментация изображений.
Неделя 7. Генеративно-состязательные модели.
Неделя 8.  Геометрия камеры.
Неделя 9. Оценка глубины.
Неделя 10. 3D графика в компьютерном зрении.
Неделя 11. Сегментация и детекция в облаках точек.

• Обработка изображений алгоритмами классического зрения;
• Классификация изображений;
• Работа с признаками нейронных сетей;
• Детекция на изображениях и облаках точек;
• Сегментация изображений и облаков точек;
• Восстановление глубины.

Курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта «Цифровые кафедры» университета–участника программы стратегического академического лидерства «Приоритет-2030»:

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет искусственный интеллект и машинное обучение.
Уровень: Продвинутый.

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет математический аппарат для решения задач по оценке и разработки моделей.
Уровень: Продвинутый.

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Решает задачи искусственного интеллекта (ИИ).
Уровень: Экспертный.

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Разрабатывает и применяет методы машинного обучения (МО) для решения задач.
Уровень: Экспертный.