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 с преподавателем, возникающих в зрении, а именно классификации, сегментации и детекции. В дополнении к задаче с учителем, слушатели познакомятся с генеративными моделями. Кроме того, в рамках курса слушатели узнают о поведении нейронных сетей для задачи зрения, и признаках, что они порождают. Научатся с ними работать.

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

Каждая неделя содержит теоретическую и практическую части. Практическая часть выполняется с помощью языка программирования python и позволяет научиться применять полученные во время изучения теории знания. Для прохождения данного курса необходимы знания языка программирования python и основ машинного обучения.

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