Анализ изображений

2021/2022

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Департамент информатики

Статус:

Курс по выбору

Когда читается:

1-й курс, 3, 4 модуль

Преподаватель

Мухин Михаил Сергеевич

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 и научатся проводить сегментацию и детектировать объекты на изображении, используя методы компьютерного зрения и глубинного обучения. Для освоения дисциплины студентам необходимы знания, полученные в результате изучения дисциплины «Глубинное обучение».

Цель освоения дисциплины

• Формирование у студентов теоретических знаний и практических навыков по основам анализа изображений и сегментации изображений.

Планируемые результаты обучения

• Владеет навыками работы с моделями. Оценка параметров модели. Метод наименьших квадратов, M-оценки, RANSAC, преобразование Хафа.
• Владеет навыками реконструкции изображения, стилей, текстур. Владеет понятиями: матрица Грама, Генеративно-состязательные нейронные сети.
• Владеет навыками сегментация объектов. Владеет понятиями: семантическая сегментация; Суперпикселизация.
• Владеет навыками трекинга объектов.
• 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 понятиями: многослойные нейронные сети, стохастический градиентный спуск, сверточные нейронные сети.
• Владеет понятиями: пространственная область; частотная область, преобразование Фурье, спектральный анализ; выделение компонент связности; выделение краев. Математическая морфология.
• Знает классификацию объектов: бинарная и многоклассовая классификация. Знает категории объектов. Имеет навык извлечения фрагментов, вычисление признаков фрагментов, обучение словаря.
• Знает: свойства признаков изображений; текстовые и визуальные признаки; пространства признаков. Владеет понятиями: ключевые точки; детектор угловых точек; детектор Моравица.
• Знает основные используемые методы обработки изображений. Применяет современные методы анализа и сегментации изображений для решения практических задач. Владеет навыками реализации алгоритмов, использования и оптимизации библиотек анализа изображений.
• Знает основные математические модели, используемые для анализа изображений в машинном обучении. Модифицирует используемые математические модели для конкретных задач. Владеет навыками применения различных математических задач для анализа изображений.
• Знает основные этапы разработки и адаптации формальных математических моделей. Оценивает трудоемкость и время исполнения различных алгоритмов машинного обучения, применяемых для анализа изображений. Владеет навыками планирования решения задач, связанных с анализом изображений.

Содержание учебной дисциплины

• Обработка изображений1
• Анализ изображений и отслеживание объектов1
• Объекты на изображении1

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Устный экзамен
  Экзамен проводится в устной форме (опрос по материалам курса). По просьбе преподавателя студент должен быть готов выполнить некоторые задания в письменном виде. Процедура пересдачи подразумевает использование усложненных заданий.

Промежуточная аттестация

• 2021/2022 учебный год 4 модуль
  0.3 * Устный экзамен + 0.23 * Домашнее задание 3 + 0.24 * Домашнее задание 1 + 0.23 * Домашнее задание 2

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