Магистратура
2025/2026
Компьютерное зрение
Статус:
Курс по выбору (Современные компьютерные науки)
Кто читает:
Базовая кафедра Яндекс
Где читается:
Факультет компьютерных наук
Когда читается:
2-й курс, 1, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
6
Контактные часы:
56
Программа дисциплины
Аннотация
Компьютерное зрение позволяет алгоритмам распознавать объекты на изображениях, но как они могут понять глубину, форму и структуру окружающего пространства? Трёхмерное компьютерное зрение отвечает на эти вопросы, открывая двери к созданию умных роботов, дополненной реальности, автономным автомобилям и цифровым двойникам реального мира.
В этом курсе мы разберём:
- Как формируются изображения — от камеры до нейросетей.
- Методы оценки глубины — как алгоритмы определяют расстояние до объектов.
- Работу с облаками точек — обработка и анализ 3D-данных.
- Современные методы реконструкции 3D-сцен — от классических подходов до нейросетевых технологий.
- Генеративные модели для 3D — методы и подходы к генерации.
Цель освоения дисциплины
- Ознакомление студентов с основами и современными методами компьютерного зрения, включая извлечение семантической и метрической информации из изображений;
- Формирование практических навыков работы с изображениями и решения прикладных задач анализа изображений.
Планируемые результаты обучения
- Владеть аппаратом нейросетевых моделей для классификации изображений
- Владеть методами трёхмерной реконструкции
- Владеть навыками реализации алгоритмов обработки изображений с использованием библиотек для обработки изображений
- Владеть навыками реализации алгоритмов решения задач компьютерного зрения на языке Python с использованием библиотек машинного обучения
- Знать основные методы и задачи обработки и распознавания видео
- Знать основные методы построения признаков изображений
- Знать основные постановки задач компьютерного зрения, процесс формирования изображений, базовые методы тональной коррекции
- Знать основные элементы современных алгоритмов обработки изображений в том числе с использованием состязательных сетей
- Уметь применять и оценивать качество алгоритмов выделения объектов
- Уметь применять методы поиска и сопоставления локальных особенностей
Содержание учебной дисциплины
- Введение в компьютерное зрение. Цифровое изображение и тональная коррекция
- Основы обработки изображений
- Совмещение изображений и локальные особенности
- Классификация и поиск по изображениям
- Свёрточные нейросети для классификации и поиска похожих изображений
- Детекторы объектов
- Сегментация изображений
- Преобразование и генерация изображений
- Основы обработки видео
- Трёхмерная реконструкция по изображениям
Промежуточная аттестация
- 2025/2026 2nd module0.4 * Домашняя работа + 0.4 * Домашняя работа + 0.2 * Экзамен
Список литературы
Рекомендуемая основная литература
- Richard Szeliski. (2010). Computer Vision: Algorithms and Applications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C0E46D49
- Richard Szeliski. (2010). Computer Vision: Algorithms and Applications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.E8FCD1BD
Рекомендуемая дополнительная литература
- Jiao, L., Zhang, F., Liu, F., Yang, S., Li, L., Feng, Z., & Qu, R. (2019). A Survey of Deep Learning-based Object Detection. https://doi.org/10.1109/ACCESS.2019.2939201
- Richard Szeliski. (2006). Image alignment and stitching: a tutorial. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.46C97F13