Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
Адрес: 109028, г. Москва, Покровский бульвар, д. 11
Телефон: +7(495) 772-95-90 *28240
Целью научно-исследовательского семинара “Технологии компьютерного зрения” является формирование у студентов профессиональных компетенций, связанных с общей методологией научного исследования (сбор, анализ и синтез информации), понимания студентами ключевых направлений развития технологий компьютерного зрения, необходимых для практического использования на последующих этапах обучения и в профессиональной сфере деятельности будущего специалиста, реализации проектов (определение круга задач в рамках поставленной цели и выбор оптимальных способов решения исходя из, ресурсов и ограничений).
С точки зрения практической составляющей семинара, основными задачами являются приобретение студентами навыков работы с научными публикациями (статьями, главами книг, препринтов), преимущественно на английском языке, самостоятельного научного исследования, связанного с разработкой, возможной программной реализацией и последующим анализом полученных решений, а также формирование у студентов интереса к исследовательской работе и первоначальных навыков, связанных с пониманием, анализом и последующего представления (в виде доклада / презентации) материала по определенным (предлагаемым) темам.
Компьютерное зрение это раздел искусственного интеллекта, связанный с извлечением информации из изображений. Он включает методы, позволяющие производить обнаружение, отслеживание и классификацию объектов на изображениях и в видеопотоке.
Технологии компьютерного зрения находят применение в
В последние годы в области распознании образов был достигнут значительный прогресс. В ряде компьютер смог превзойти человека (ImageNet2016). Это стало возможным благодаря технологиям глубокого обучения (Deep learning) и в частности благодаря использованию сверточных нейронных сетей (Convolutional Neural Networks). В рамках данного семинара, будет детально изучена эта технология.
Мы рассмотрим основные виды нейронных сетей применяющихся для анализа изображений, их эффективные конфигурации и методики обучения. А так же фреймворки для глубокого обучения (на примере PyTorch).
Будут изучены методы детектирования объектов на изображений (YOLO, SDD) и анализа видеопотока (трекинг). Методики подготовки обучающего множества (аугментация), и методика Transfer learning использующая для переобучения нейронной сети под конкретную задачу.
Будет уделено внимание вопросам развёртывания и производительности. Будет рассмотрен обменный формат(ONNX) в котором веса нейронной сети могут быть переданы в различные фреймворки и инструменты интеграции с серверными и клиентскими в (том числе мобильными) приложениями.