• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Анализ изображений

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс по выбору
Когда читается:
4-й курс, 2, 3 модуль

Преподаватель

Программа дисциплины

Аннотация

Является дисциплиной по выбору. Данная дисциплина направлена на овладение навыками анализа изображений, сегментации изображений. Студенты получат представление об основных алгоритмах из области анализа изображений. Научатся проводить сегментацию и детектировать объекты на изображении используя методы компьютерного зрения и глубинного обучения. В результате освоения дисциплины студент должен знать: алгоритмы сегментации и детекции объектов на изображении; уметь проектировать генеративные нейронные сети для классификации изображений и владеть математическим аппаратом и инструментальными средствами, используемым при анализе изображений и видео.
Цель освоения дисциплины

Цель освоения дисциплины

  • 1. Формирование у студентов теоретических знаний и практических навыков по основам анализа изображений и сегментации изображений.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Владеет навыками работы с моделями. Оценка параметров модели. Метод наименьших квадратов, M-оценки, RANSAC, преобразование Хафа.
  • Владеет понятиями: пространственная область; частотная область, преобразование Фурье, спектральный анализ; выделение компонент связности; выделение краев. Математическая морфология.
  • Знает: свойства признаков изображений; текстовые и визуальные признаки; пространства признаков. Владеет понятиями: ключевые точки; детектор угловых точек; детектор Моравица.
  • Знает классификацию объектов: бинарная и многоклассовая классификация. Знает категории объектов. Имеет навык извлечения фрагментов, вычисление признаков фрагментов, обучение словаря.
  • владеет понятиями: многослойные нейронные сети, стохастический градиентный спуск, сверточные нейронные сети.
  • Владеет навыком поиска по визуальному подобию, поиска нечетких дубликатов, объектов на фотографии, сцен.
  • Владеет понятиями: метрика качества IoU; HUG; задача многоклассовой детекции. Знает классификацию окон. Знает алгоритмы сегментации и детекции объектов на изображении.
  • Владеет навыками сегментация объектов. Владеет понятиями: семантическая сегментация; Суперпикселизация.
  • Владеет навыками реконструкции изображения, стилей, текстур. Владеет понятиями: матрица Грама, Генеративно-состязательные нейронные сети.
  • Владеет навыками трекинга объектов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Обработка изображений
    Пространственная область. Частотная область, преобразование Фурье, спектральный анализ. Выделение компонент связности. Выделение краев. Математическая морфология.
  • Глобальные и локальные признаки изображений
    Свойства признаков изображений. Текстовые и визуальные признаки. Пространства признаков. Ключевые точки. Детектор угловых точек. Детектор Моравица.
  • Параметрические модели.
    Выбор модели. Оценка параметров модели. Метод наименьших квадратов, M-оценки, RANSAC, преобразование Хафа.
  • Классификация объектов на изображении.
    Бинарная и многоклассовая классификация. Категории объектов. Извлечение фрагментов. Вычисление признаков фрагментов. Обучение словаря.
  • Глубокие нейронные сети.
    Многослойные нейронные сети. Стохастический градиентный спуск. Функции активации. Сверточные нейронные сети.
  • Поиск изображений по содержанию.
    Поиск по визуальному подобию. Поиск нечетких дубликатов. Поиск объектов на фотографии. Поиск сцен.
  • Детектирование объектов.
    Метрика качества IoU. Задача многоклассовой детекции. Классификация окон. HUG.
  • Сегментация изображений.
    Cегментация объектов. Семантическая сегментация. Суперпикселизация.
  • Генеративные сети.
    Реконструкция изображения. Реконструкция стилей. Матрица Грама. Реконструкция текстур. Генеративно-состязательные нейронные сети.
  • Трекинг объектов.
    Видеопоток и видеопоследовательность. Разметка объектов. Определение поз и жестов. Распознавание событий.
Элементы контроля

Элементы контроля

  • неблокирующий Created with Sketch. Домашнее задание 1
  • неблокирующий Created with Sketch. Домашнее задание 2
  • неблокирующий Created with Sketch. Домашнее задание 3
  • блокирующий Created with Sketch. Устный экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    0.18 * Домашнее задание 1 + 0.16 * Домашнее задание 2 + 0.16 * Домашнее задание 3 + 0.5 * Устный экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Wojciechowski, K. (2006). Computer Vision and Graphics : International Conference, ICCVG 2004, Warsaw, Poland, September 2004, Proceedings. Dordrecht: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=155987

Рекомендуемая дополнительная литература

  • Furht, B., Akar, E., & Andrews, W. A. (2018). Digital Image Processing: Practical Approach. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1881248