Прикладные задачи видеоаналитики

Бакалавриат 2025/2026

Статус: Курс по выбору (Прикладная математика и информатика)

Кто читает: Базовая кафедра МТС

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Копылов Иван Станиславович

Язык: русский

Кредиты: 6

Контактные часы: 80

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс посвящён анализу и применению современных архитектур компьютерного зрения в реальных прикладных сценариях. Основная цель — показать, как фундаментальные методы и модели, изучаемые в базовых курсах (свёрточные сети, Vision Transformers, архитектуры на основе внимания, сегментационные и детекционные фреймворки), используются для решения конкретных инженерных задач и как эти решения интегрируются в производственные системы. В рамках курса рассматриваются типичные классы прикладных задач: классификация и детекция объектов в промышленных и медицинских изображениях, анализ видеопотоков в системах безопасности и транспорта, построение систем визуального контроля качества, реконструкция сцены и 3D-восприятие для робототехнических систем, а также мультимодальные и open-vocabulary подходы, соединяющие зрение с языковыми моделями. Особое внимание уделяется анализу внедрения технологий компьютерного зрения в различных контекстах — от лабораторных прототипов до промышленных и сервисных решений. Курс рассматривает как факторы, способствующие успешной интеграции моделей (качество данных, инженерная инфраструктура, устойчивость к сдвигу домена), так и типичные причины неудач при переносе академических моделей в реальные условия: переобучение, отсутствие масштабируемости, ошибки в постановке задачи и ограниченность метрик оценки. Студенты познакомятся с полным циклом жизни компьютерно-зрительных систем — от постановки задачи и подготовки датасета до выбора архитектуры, обучения, оптимизации и развёртывания модели. Отдельные занятия будут посвящены сравнению академических и индустриальных подходов: почему одни модели остаются в статьях, а другие становятся частью сервисов и продуктов.

Цель освоения дисциплины

По итогам курса слушатели смогут: • понимать, как выбирать и адаптировать архитектуру под конкретную прикладную задачу; • анализировать качество и устойчивость систем компьютерного зрения при внедрении; • проектировать и документировать прототипы, пригодные для интеграции в производственные пайплайны; • критически оценивать реальные кейсы использования CV-моделей, выявляя причины успехов и неудач.

Планируемые результаты обучения

знать: - что такое компьютерное зрение; - сверточные нейронные сети; - сверточные нейронные сети-2; - сверточные нейронные сети-3; - современные архитектуры нейронных сетей; - проблемы сверточных сетей в задачах классификации изображений; - сверточные сети и DeepDream.

Содержание учебной дисциплины

Компьютерное зрение
Свёрточные сети
Vision Transformers
Архитектуры на основе внимания
Сегментационные и детекционные фреймворки

Элементы контроля

Домашнее задание 1
Домашнее задание 2
Итоговый проект
Финальным результатом курса станет мини-проект — исследовательское или инженерное решение для выбранной прикладной задачи (например, детекция дефектов, трекинг объектов, визуальный поиск, распознавание жестов, визуальная навигация), сопровождаемое аналитическим отчётом и разбором применённых архитектурных и инженерных решений.

Промежуточная аттестация

2025/2026 4th module
0.2 * Домашнее задание 1 + 0.2 * Домашнее задание 2 + 0.6 * Итоговый проект

Список литературы

Авторы

Копылов Иван Станиславович

Программа дисциплины