Современный Computer Vision

2025/2026

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Блуменау Марк Ильич

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс охватывает основные задачи компьютерного зрения. В рамках курса слушатели научатся программно обрабатывать изображения, поймут на чем основаны все фоторедакторы. Затем они познакомятся с глубинным обучением для основных задач с учителем, возникающих в зрении, а именно классификации, сегментации и детекции. В дополнении к задаче с учителем, слушатели познакомятся с генеративными моделями. Кроме того, в рамках курса слушатели узнают о поведении нейронных сетей для задачи зрения и признаках что они порождают. Научатся с ними работать.

Цель освоения дисциплины

Работать с данными для характерных задач CV
Подбирать алгоритм для конкретной задачи CV
Эффективно обучать модели CV
Оптимизировать модель для инференса

Планируемые результаты обучения

Владеть навыками настройки гиперпараметров, применять Label Smoothing, аугментации и TTA.
Понимать различие между семантической сегментацией и сегментацией объектов (instance segmentation).
Владеть знаниями о классических методах трекинга (фильтр Калмана, SORT) и понимать, как интегрировать нейросети в процесс трекинга.
Разбираться в пайплайне распознавания лиц и знать особенности построения систем ре-идентификации объектов.
Знать основные архитектуры генеративных моделей: AE, VAE, GAN.
Понимать механику репараметризации в VAE и уметь объяснить проблемы и тонкости обучения GAN.
Уметь анализировать и сравнивать различные генеративные модели, понимать их сильные и слабые стороны.
Понимать концепцию «foundation models» и области их использования.
Уметь оценивать этические аспекты, риски и правовые вопросы при работе с крупными моделями.