CV 2023 — различия между версиями
Astotskiy (обсуждение | вклад) |
Vshakhuro (обсуждение | вклад) |
||
(не показано 6 промежуточных версий 3 участников) | |||
Строка 13: | Строка 13: | ||
= Команда курса = | = Команда курса = | ||
− | ''' | + | '''Лектор:''' Влад Шахуро<br> |
− | ''' | + | '''Семинарист:''' Андрей Стоцкий ([https://t.me/ruroruro @ruroruro]) |
= Важные ссылки = | = Важные ссылки = | ||
'''Форма регистрации:''' [https://docs.google.com/forms/d/e/1FAIpQLSdEmGT07jgQUDPo7mDUc3Vf-xIPK2rGEl0W4dS6dYS9k696Pw/viewform?usp=pp_url ссылка] ''' (заполните для доступа к чату курса и заданиям)<br> | '''Форма регистрации:''' [https://docs.google.com/forms/d/e/1FAIpQLSdEmGT07jgQUDPo7mDUc3Vf-xIPK2rGEl0W4dS6dYS9k696Pw/viewform?usp=pp_url ссылка] ''' (заполните для доступа к чату курса и заданиям)<br> | ||
− | '''Материалы курса:''' | + | '''Материалы курса:''' [https://code.mipt.ru/courses-public/cv/public/-/blob/fall-2023/README.md ссылка]<br> |
− | '''Записи лекций и семинаров:''' [https://www.youtube.com/playlist?list= | + | '''Записи лекций и семинаров:''' [https://www.youtube.com/playlist?list=PLWI0ElBVXPkZYAkWVwb5xjXNwnjnTs4eF youtube] |
= Критерии оценки за курс = | = Критерии оценки за курс = | ||
Строка 32: | Строка 32: | ||
≥ 55% — удовлетворительно<br> | ≥ 55% — удовлетворительно<br> | ||
− | '''Перезачет'''. Если вы уже проходили наш курс в другом месте (или будете проходить его параллельно в этом семестре), то вы можете перезачесть оценку за весь курс или часть заданий. Перезачет делается в индивидуальном порядке (пишите | + | '''Перезачет'''. Если вы уже проходили наш курс в другом месте (или будете проходить его параллельно в этом семестре), то вы можете перезачесть оценку за весь курс или часть заданий. Перезачет делается в индивидуальном порядке (пишите [https://t.me/ruroruro @ruroruro] в телеграм). Перезачесть вместо наших заданий "похожие" задания из ''других'' курсов НЕЛЬЗЯ. |
'''Пересдача'''. Если до конца курса вы не набираете баллов на оценку «удовлетворительно», то вам нужно будет досдавать/пересдавать задания со штрафом как после дедлайна (60%) до тех пор, пока вы не наберете достаточно баллов. В ''крайнем'' случае назначается пересдача в формате итоговой контрольной на которой можно добрать недостающие баллы. | '''Пересдача'''. Если до конца курса вы не набираете баллов на оценку «удовлетворительно», то вам нужно будет досдавать/пересдавать задания со штрафом как после дедлайна (60%) до тех пор, пока вы не наберете достаточно баллов. В ''крайнем'' случае назначается пересдача в формате итоговой контрольной на которой можно добрать недостающие баллы. | ||
Строка 52: | Строка 52: | ||
| 1 | | 1 | ||
| 13.09.2023 | | 13.09.2023 | ||
− | | Цифровое изображение | + | | Цифровое изображение |
− | | Работа с | + | | Введение в практическую часть курса, Работа с numpy |
| Демозаикинг<br />Прокудин-Горский | | Демозаикинг<br />Прокудин-Горский | ||
|- | |- | ||
Строка 64: | Строка 64: | ||
| 3 | | 3 | ||
| 27.09.2023 | | 27.09.2023 | ||
− | | | + | | Сжатие изображений, Преобразование Фурье |
− | | Преобразование Фурье | + | | Преобразование Фурье |
| Сжатие изображение (PCA, JPEG)<br />Обратная свертка | | Сжатие изображение (PCA, JPEG)<br />Обратная свертка | ||
|- | |- | ||
| 4 | | 4 | ||
| 04.10.2023 | | 04.10.2023 | ||
− | | Классификация изображений. Введение в нейросети | + | | Классификация изображений. Введение в нейросети |
− | | | + | | Иерархия абстракций: numpy, pytorch, pytorch-lightning |
| Реализация нейросети на numpy | | Реализация нейросети на numpy | ||
|- | |- | ||
| 5 | | 5 | ||
| 11.10.2023 | | 11.10.2023 | ||
− | | | + | | Сверточные нейросетевые архитектуры |
− | | | + | | Нейросетевые задания курса, Базовое обучение нейросетей |
| Регрессия точек лица | | Регрессия точек лица | ||
|- | |- | ||
| 6 | | 6 | ||
| 18.10.2023 | | 18.10.2023 | ||
− | | | + | | Трансформеры и сверточные нейронные сети с большими ядрами |
− | | | + | | Разбор устройства ViT, Приемы для дообучения нейросетей |
| Дообучение нейросети | | Дообучение нейросети | ||
|- | |- | ||
| 7 | | 7 | ||
| 25.10.2023 | | 25.10.2023 | ||
− | | Поиск | + | | Поиск похожих изображений |
− | | | + | | Метрическое обучение, Эффективность тензорных вычислений |
| Классификация редких дорожных знаков | | Классификация редких дорожных знаков | ||
|- | |- |
Версия 13:32, 26 октября 2023
Факультетский курс. Параллельно читается в трех местах: МФТИ, ШАД, ВМК МГУ. Занятия проходят онлайн (Zoom) по средам с 18:00 до 19:20 (лекция) и с 19:30 до 20:50 (семинар). Первое занятие 13 сентября. Записи занятий будут доступны для просмотра. СодержаниеОбщие сведенияСеместр: 9 (пятый курс) Краткое описание Курс посвящен методам и алгоритмам компьютерного зрения, т.е. извлечения информации из изображений и видео. Для большинства задач будем обсуждать современные нейросетевые модели, сверточные и трансформеры. Курс в большей степени является практическим, а не теоретическим. Поэтому все лекции снабжены лабораторными и домашними работами, которые позволяют попробовать на практике большинство из рассматриваемых методов. Работы выполняются на языке Python, с использованием различных библиотек. Команда курсаЛектор: Влад Шахуро Важные ссылкиФорма регистрации: ссылка (заполните для доступа к чату курса и заданиям) Критерии оценки за курсОценка по курсу получается за выполнение следующих заданий:
Критерии оценки по 10-балльной шкале будут опубликованы в середине ноября. Приблизительные критерии (в процентах от макс. балла): Перезачет. Если вы уже проходили наш курс в другом месте (или будете проходить его параллельно в этом семестре), то вы можете перезачесть оценку за весь курс или часть заданий. Перезачет делается в индивидуальном порядке (пишите @ruroruro в телеграм). Перезачесть вместо наших заданий "похожие" задания из других курсов НЕЛЬЗЯ. Пересдача. Если до конца курса вы не набираете баллов на оценку «удовлетворительно», то вам нужно будет досдавать/пересдавать задания со штрафом как после дедлайна (60%) до тех пор, пока вы не наберете достаточно баллов. В крайнем случае назначается пересдача в формате итоговой контрольной на которой можно добрать недостающие баллы. План курсаПожалуйста, не выкладывайте содержание заданий и ваши решения в открытый доступ (Github и т.п.). Подготовка качественных заданий требует много времени и сил, которые таким образом обесцениваются. Заимствование кода из публичных источников без указания источника или плагиат могут штрафоваться. План курса предварительный, в процессе чтения может меняться. |
# | Дата | Лекция | Семинар | Домашнее задание |
---|---|---|---|---|
1 | 13.09.2023 | Цифровое изображение | Введение в практическую часть курса, Работа с numpy | Демозаикинг Прокудин-Горский |
2 | 20.09.2023 | Основы обработки изображений | Базовая обработка изображений | |
3 | 27.09.2023 | Сжатие изображений, Преобразование Фурье | Преобразование Фурье | Сжатие изображение (PCA, JPEG) Обратная свертка |
4 | 04.10.2023 | Классификация изображений. Введение в нейросети | Иерархия абстракций: numpy, pytorch, pytorch-lightning | Реализация нейросети на numpy |
5 | 11.10.2023 | Сверточные нейросетевые архитектуры | Нейросетевые задания курса, Базовое обучение нейросетей | Регрессия точек лица |
6 | 18.10.2023 | Трансформеры и сверточные нейронные сети с большими ядрами | Разбор устройства ViT, Приемы для дообучения нейросетей | Дообучение нейросети |
7 | 25.10.2023 | Поиск похожих изображений | Метрическое обучение, Эффективность тензорных вычислений | Классификация редких дорожных знаков |
8 | 01.11.2023 | Детекторы объектов | Детектирование объектов | Простой нейросетевой детектор |
9 | 08.11.2023 | Сегментация изображений | Простая нейросеть для сегментации | Сегментация изображений |
10 | 15.11.2023 | Основы обработки видео | Работа с видео | Трекинг объектов |
11 | 22.11.2023 | Self-supervised learning, foundation models | Self-supervised learning | |
12 | 29.11.2023 | Перенос стиля, superresolution, GAN, VAE (начало) | AE, VAE, GAN | GAN |
13 | 06.12.2023 | VAE (продолжение), Diffusion | Diffusion | |
14 | 13.12.2023 | Research pipeline: чтение статей, проведение экспериментов, написание статьи Нейросети в проде: mixed precision, дистилляция, архитектуры, pruning, quantization, ONNX |
Разметка данных, управление экспериментами | Квантование простой нейросети |
15 | 20.12.2023 | Итоговая контрольная | Гостевая лекция / обзор свежих интересных работ |
Рекомендуемая литература
|