CV 2023

Факультетский курс. Параллельно читается в трех местах: МФТИ, ШАД, ВМК МГУ. Занятия проходят онлайн (Zoom) по четвергам с TODO. Записи занятий будут доступны для просмотра. Общие сведения Семестр: 9 (пятый курс) Форма контроля: экзамен 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 курса Лектор: Влад Шахуро Семинарист: Андрей Стоцкий, TODO Учебные ассистенты:: Важные ссылки Материалы курса: TODO Форма регистрации: TODO (заполните для доступа к чату курса и заданиям) Таблица с оценками Статус проверки домашних заданий Критерии получения оценки Оценка по курсу получается за выполнение следующих заданий: Лабораторные и домашние задания (1-2 штуки в неделю). Всего порядка 12 заданий Задания можно сдавать после дедлайна, при этом оценка ограничивается 60% от базовой Финальный экзамен в конце курса Критерии оценки TODO Предварительный план курса (может поменяться в процессe) TODO добавить задания в таблицу # дата Тема занятия 1 07.09.2023 Цифровое изображение и тональная коррекция 2 14.09.2023 Основы обработки изображений 3 21.09.2023 Продвинутая обработка изображений. PNG, JPEG, преобразование Фурье, Лапласовская пирамида. Сэмплирование 4 28.09.2023 Введение в свёрточные нейросети и трансформеры. Классификация изображений 5 05.10.2023 Обратное распространение ошибки: базовые принципы и основные слои 6 12.10.2023 Бэкбоны для классификации (CNN и трансформеры) 7 19.10.2023 Поиск по изображениям, metric learning 8 26.10.2023 Детекторы объектов 9 02.11.2023 Сегментация изображений 10 09.11.2023 Основы обработки видео 11 16.11.2023 Перенос стиля, superresolution, GAN 12 23.11.2023 VAE, Diffusion 13 30.11.2023 Self-supervised learning, foundation models 14 07.12.2023 Research pipeline: чтение статей, проведение экспериментов, написание статьи Нейросети в проде: mixed precision, дистилляция, архитектуры, pruning, quantization, ONNX 15 14.12.2023 Итоговая контрольная Рекомендуемая литература W. Burger, M. Burge. Principles of Digital Image Processing. Springer 2009, 2013. Fundamental Techniques, Core Algorithms, Advanced Methods. M. Nielsen. Neural Networks and Deep Learning. A. Zhang, Z. Lipton, Mu Li, A. Smola. Dive into Deep Learning. 2020. I. Goodfellow, Y. Bengio, A. Courville. Deep learning. MIT Press 2016. R. Szeliski. Computer Vision: Algorithms and Applications. 2020 R. Hartley, A. Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, 2004.