- Регистрация
- 26.05.2022
- Сообщения
- 23 591
- Реакции
- 56
- Баллы
- 48
Computer Vision [2021]
robot dreams
Ян Колода
Практический курс о том, как применять классические методы machine learning и deep learning для решения задач компьютерного зрения: от баланса цвета на изображении — до тренировки сверточных нейронных сетей для распознавания объектов в видео.
Описание курса:
Задача специалиста по компьютерному зрению ― научить алгоритмы уверенно ориентироваться в окружающем мире и свести к минимуму системные баги. Задача robot_dreams ― помочь разобраться в инструментах и подходах, которые применяют для реализации CV-проектов.
Мы начнем с пиксельных операций и создания программ для обработки цифровых фото. Затем научимся проводить базовые манипуляции с изображением и видео: фильтрация и выделение границ, кодировка и компрессия, классификация, детекция, трекинг и сегментация. А после ― будем строить и тренировать нейронные сети.
Курс подойдет:
1. Data Scientist
После курса вы систематизируете знания в области machine learning и deep learning. Разберетесь в современных подходах к детекции объектов, получите опыт в решении задач классификации и сегментации, научитесь строить и тренировать нейросети.2. Developer
Курс даст overview задач computer vision и основных инструментов, которые необходимы для их решения. Вы научитесь обрабатывать изображения и видео, разрабатывать и запускать модели с помощью TensorFlow.
Содержание
Модуль 1 - Введение в Computer Vision
Ознакомьтесь с задачами, которые помогает решить Computer Vision.
Получите общую информацию о том, как работает зрительная система.
Узнайте, какие цветовые пространства существуют.
Установите библиотеки NymPy, Matplotlib и OpenCV.
Научитесь выполнять простые операции, используя эти библиотеки.
Модуль 2 - Пиксельные операции
Узнайте, что такое операции на уровне пикселей, и научитесь читать гистограммы.
Создайте простейшую программу для обработки цифровых изображений, например, программу для баланса белого цвета.
Модуль 3 - Линейная фильтрация
Изучите принцип работы свертки.
Научитесь имплементировать фильтрацию и манипулировать изображением, используя разные типы фильтрации.
Модуль 4 - Фильтры выделения границ
Узнайте, в чем смысл градиентов изображений.
Научитесь имплементировать фильтры выделения границ.
Освойте алгоритм выделения контуров и фильтры в Canny.
Модуль 5 - Кодировка и компрессия изображений
Изучите разницу между форматами изображений [raw, png, jpeg].
Разберите разницу между форматами H264 и H265.
Узнайте, как работает сжатие с потерями, и научитесь работать с изображениями в преобразованной форме. Попробуйте улучшить качество изображения с помощью интеллектуального квантования.
Модуль 6 - Image features [визуальные признаки]
Узнайте, что такое визуальные признаки, и ознакомьтесь с типовыми задачами, которые можно решить с их помощью.
Научитесь выделять углы с помощью детектора Харриса.
Изучите алгоритмы обнаружения и описания признаков.
Научитесь применять масштабно-инвариантную трансформацию признаков (SIFT).
Модуль 7 - Image matching [подстройка изображений]
Ознакомьтесь с задачами, которые решает image matching.
Изучите принцип аффинного преобразования и однородных координат.
Научитесь применять гомографию для изображений.
Разработайте ректификатор фотографий документов.
Модуль 8 - Machine Learning [машинное обучение]
Ознакомьтесь с базовыми принципами работы с моделями данных.
Разберите разницу между классической обработкой данных и машинным обучением.
Научитесь строить простые модели с нуля и проводить их оптимизацию.
Определите разницу между machine learning и deep learning.
Модуль 9 - Детекция лиц
Определите, чем визуальные признаки для детекции лиц отличаются от признаков других объектов.
Ознакомьтесь с методом детекции Виолы-Джонса и методом бустинга.
Научитесь работать с изображениями, которые содержат лица, и осуществлять детекцию с помощью OpenCV.
Модуль 10 - Трекинг
Изучите основы работы трекинга и принципы работы с цифровым видео.
Разберите разницу между трекингом и детекцией на практике, реализовывая реальную рабочую задачу.
Модуль 11 - Нейронные сети: part 1
Изучите принципы работы нейронных сетей.
Получите overview открытых библиотек TensorFlow и Keras.
Научитесь строить и тренировать простые нейронные сети.
Попробуйте улучшить модель нейронной сети для классической проблемы house pricing.
Модуль 12 - Нейронные сети: part 2
Узнайте, как ускорить тренировку нейронных сетей в несколько раз с помощью GPU, и ознакомьтесь с другими преимуществами графического процессора.
Ознакомьтесь с облачным сервисом Google Colaboratory и научитесь строить и тренировать модели в нем. Узнайте, зачем проводить инспекцию баз данных.
Модуль 13 - Сверточные нейронные сети: part 1
Изучите принципы работы сверточных нейронных сетей.
Изучите операции свертки и пулинга.
Научитесь строить и тренировать сверточные нейронные сети.
Модуль 14 - Сверточные нейронные сети: part 2
Ознакомьтесь с проблемой переобучения [overfitting].
Научитесь распознавать проблемы в процессе обучения и применять data augmentation в процессе тренировки.
Модуль 15 - Сверточные нейронные сети: part 3
Научитесь решать задачу сегментации цифровых изображений.
Изучите принцип bottleneck.
Постройте простой автоматический энкодер для очищения изображений от шума.
Модуль 16 - Детекция объектов
Изучите концепт детекции и bounding box.
Научитесь распознавать объекты в режиме реального времени, используя принцип YOLO [You Only Look Once].
Ознакомьтесь с алгоритмом NMS [Non-Maximum Suppression] и другими архитектурами сетей для распознавания объектов [SSD, TinyYOLO, SqueezeDet].
Примените YOLO для распознавания объектов на собственном видео.
Модуль 17 - Сверточные нейронные сети: что дальше?
Ознакомьтесь с популярными моделями сверточных нейронных сетей.
Изучите процесс fine tuning и научитесь работать с model zoo.
Узнайте, какие проблемы возникают при тренировке сверточных нейронных сетей.
Получите рецепт успешного решения проблем с использованием нейронных сетей.
Модуль 18 - Презентация курсового проекта
Постройте сегментатор для детекции дорожных линий [видео], сверточную нейронную сеть, чтобы сделать super-resolution [изображения], или реализуйте авторский проект на ваш выбор.
Примечание: на момент создания темы актуальная цена не известна.
Продажник
robot dreams
Ян Колода
Практический курс о том, как применять классические методы machine learning и deep learning для решения задач компьютерного зрения: от баланса цвета на изображении — до тренировки сверточных нейронных сетей для распознавания объектов в видео.
Описание курса:
Задача специалиста по компьютерному зрению ― научить алгоритмы уверенно ориентироваться в окружающем мире и свести к минимуму системные баги. Задача robot_dreams ― помочь разобраться в инструментах и подходах, которые применяют для реализации CV-проектов.
Мы начнем с пиксельных операций и создания программ для обработки цифровых фото. Затем научимся проводить базовые манипуляции с изображением и видео: фильтрация и выделение границ, кодировка и компрессия, классификация, детекция, трекинг и сегментация. А после ― будем строить и тренировать нейронные сети.
Курс подойдет:
1. Data Scientist
После курса вы систематизируете знания в области machine learning и deep learning. Разберетесь в современных подходах к детекции объектов, получите опыт в решении задач классификации и сегментации, научитесь строить и тренировать нейросети.2. Developer
Курс даст overview задач computer vision и основных инструментов, которые необходимы для их решения. Вы научитесь обрабатывать изображения и видео, разрабатывать и запускать модели с помощью TensorFlow.
Содержание
Модуль 1 - Введение в Computer Vision
Ознакомьтесь с задачами, которые помогает решить Computer Vision.
Получите общую информацию о том, как работает зрительная система.
Узнайте, какие цветовые пространства существуют.
Установите библиотеки NymPy, Matplotlib и OpenCV.
Научитесь выполнять простые операции, используя эти библиотеки.
Модуль 2 - Пиксельные операции
Узнайте, что такое операции на уровне пикселей, и научитесь читать гистограммы.
Создайте простейшую программу для обработки цифровых изображений, например, программу для баланса белого цвета.
Модуль 3 - Линейная фильтрация
Изучите принцип работы свертки.
Научитесь имплементировать фильтрацию и манипулировать изображением, используя разные типы фильтрации.
Модуль 4 - Фильтры выделения границ
Узнайте, в чем смысл градиентов изображений.
Научитесь имплементировать фильтры выделения границ.
Освойте алгоритм выделения контуров и фильтры в Canny.
Модуль 5 - Кодировка и компрессия изображений
Изучите разницу между форматами изображений [raw, png, jpeg].
Разберите разницу между форматами H264 и H265.
Узнайте, как работает сжатие с потерями, и научитесь работать с изображениями в преобразованной форме. Попробуйте улучшить качество изображения с помощью интеллектуального квантования.
Модуль 6 - Image features [визуальные признаки]
Узнайте, что такое визуальные признаки, и ознакомьтесь с типовыми задачами, которые можно решить с их помощью.
Научитесь выделять углы с помощью детектора Харриса.
Изучите алгоритмы обнаружения и описания признаков.
Научитесь применять масштабно-инвариантную трансформацию признаков (SIFT).
Модуль 7 - Image matching [подстройка изображений]
Ознакомьтесь с задачами, которые решает image matching.
Изучите принцип аффинного преобразования и однородных координат.
Научитесь применять гомографию для изображений.
Разработайте ректификатор фотографий документов.
Модуль 8 - Machine Learning [машинное обучение]
Ознакомьтесь с базовыми принципами работы с моделями данных.
Разберите разницу между классической обработкой данных и машинным обучением.
Научитесь строить простые модели с нуля и проводить их оптимизацию.
Определите разницу между machine learning и deep learning.
Модуль 9 - Детекция лиц
Определите, чем визуальные признаки для детекции лиц отличаются от признаков других объектов.
Ознакомьтесь с методом детекции Виолы-Джонса и методом бустинга.
Научитесь работать с изображениями, которые содержат лица, и осуществлять детекцию с помощью OpenCV.
Модуль 10 - Трекинг
Изучите основы работы трекинга и принципы работы с цифровым видео.
Разберите разницу между трекингом и детекцией на практике, реализовывая реальную рабочую задачу.
Модуль 11 - Нейронные сети: part 1
Изучите принципы работы нейронных сетей.
Получите overview открытых библиотек TensorFlow и Keras.
Научитесь строить и тренировать простые нейронные сети.
Попробуйте улучшить модель нейронной сети для классической проблемы house pricing.
Модуль 12 - Нейронные сети: part 2
Узнайте, как ускорить тренировку нейронных сетей в несколько раз с помощью GPU, и ознакомьтесь с другими преимуществами графического процессора.
Ознакомьтесь с облачным сервисом Google Colaboratory и научитесь строить и тренировать модели в нем. Узнайте, зачем проводить инспекцию баз данных.
Модуль 13 - Сверточные нейронные сети: part 1
Изучите принципы работы сверточных нейронных сетей.
Изучите операции свертки и пулинга.
Научитесь строить и тренировать сверточные нейронные сети.
Модуль 14 - Сверточные нейронные сети: part 2
Ознакомьтесь с проблемой переобучения [overfitting].
Научитесь распознавать проблемы в процессе обучения и применять data augmentation в процессе тренировки.
Модуль 15 - Сверточные нейронные сети: part 3
Научитесь решать задачу сегментации цифровых изображений.
Изучите принцип bottleneck.
Постройте простой автоматический энкодер для очищения изображений от шума.
Модуль 16 - Детекция объектов
Изучите концепт детекции и bounding box.
Научитесь распознавать объекты в режиме реального времени, используя принцип YOLO [You Only Look Once].
Ознакомьтесь с алгоритмом NMS [Non-Maximum Suppression] и другими архитектурами сетей для распознавания объектов [SSD, TinyYOLO, SqueezeDet].
Примените YOLO для распознавания объектов на собственном видео.
Модуль 17 - Сверточные нейронные сети: что дальше?
Ознакомьтесь с популярными моделями сверточных нейронных сетей.
Изучите процесс fine tuning и научитесь работать с model zoo.
Узнайте, какие проблемы возникают при тренировке сверточных нейронных сетей.
Получите рецепт успешного решения проблем с использованием нейронных сетей.
Модуль 18 - Презентация курсового проекта
Постройте сегментатор для детекции дорожных линий [видео], сверточную нейронную сеть, чтобы сделать super-resolution [изображения], или реализуйте авторский проект на ваш выбор.
Примечание: на момент создания темы актуальная цена не известна.
Продажник