Компьютерное зрение

Бакалавриат 2025/2026

Статус: Курс по выбору (Прикладная математика и информатика)

Кто читает: Базовая кафедра Т-Банка

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 3, 4 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 6

Контактные часы: 80

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс по компьютерному зрению знакомит студентов с основными подходами анализа и обработки изображений — от классических алгоритмов до современных state-of-the-art моделей на основе глубокого обучения. На занятиях студенты разберут фундаментальные методы компьютерного зрения, изучат архитектуры сверточных и трансформерных нейросетей, а также познакомятся с актуальными направлениями, такими как генеративные модели и большие визуально-языковые модели. Особое внимание уделено практике: каждое занятие сопровождается домашними заданиями, в которых предстоит реализовать ключевые алгоритмы и применить их для решения прикладных задач — классификации, детекции, сегментации, генерации и многих других. В результате студенты не только освоят теоретическую базу, но и получат опыт работы с современными библиотеками, что позволит им уверенно использовать инструменты компьютерного зрения в исследовательских и прикладных проектах.

Цель освоения дисциплины

Знать основные классические методы компьютерного зрения (фильтрация изображений, выделение признаков, детекторы и дескрипторы).
Уметь реализовывать и применять сверточные и трансформерные нейронные сети для решения задач классификации изображений.
Знать архитектуры современных моделей компьютерного зрения.
Уметь разрабатывать и обучать модели для задач детекции и сегментации объектов.
Владеть методами metric learning и уметь применять их для поиска и сравнения изображений.
Знать принципы и уметь использовать генеративные модели в задачах компьютерного зрения.
Знать основы vision-language моделей (VLM) и уметь применять их для мультимодальных задач.
Владеть инструментами практической разработки в области компьютерного зрения и уметь строить рабочие пайплайны для прикладных задач.

Планируемые результаты обучения

Знает основные классические методы компьютерного зрения (фильтрация изображений, выделение признаков, детекторы и дескрипторы).
Умеет реализовывать и применять сверточные и трансформерные нейронные сети для решения задач классификации изображений.
Знает архитектуры современных моделей компьютерного зрения.
Умеет разрабатывать и обучать модели для задач детекции и сегментации объектов.
Владеет методами metric learning и уметь применять их для поиска и сравнения изображений
Знает принципы и уметь использовать генеративные модели в задачах компьютерного зрения.
Знает основы vision-language моделей (VLM) и уметь применять их для мультимодальных задач.
Владеет инструментами практической разработки в области компьютерного зрения и уметь строить рабочие пайплайны для прикладных задач.

Содержание учебной дисциплины

Image Processing and Classical CV
Classic CV + basic 3D
DL foundations: Convolutional NN in CV
Transformers in CV
Object Detection
Спецсеминар: YOLO Object Detection Family
Segmentation
Metric Learning
Variational Aautoencoders & Generative Adversarial Networks
Diffusion Family
Autoregressive models and Normalizing Flows
Adapters & SOTA Image Generation
VLM: Basics
VLM for any applications

Элементы контроля

Домашнее задание
Экззамен

Промежуточная аттестация

2025/2026 4th module
ДЗ = максимум(10, S / (N – K)) Где S – сумма за все домашние задания N - кол-во выданных домашних заданий K – кол-во домашних заданий, которые мы простим (K = 2) (?) ПК – понижающий коэффициент. В случаях, когда студент сдает после мягкого дедлайна, результат его работы умножается на ПК ПК = 0.8 в первую неделю после дедлайна; 0.6 во вторую неделю после дедлайна и 0.4 во все последующие недели Итог = Округление(0.7 * ДЗ + 0.3 * Э) (?) где Э — оценка за экзамен. Округление арифметическое. Описание автоматов: Определим накопленную оценку как Накоп = Округление(0.7 * ДЗ). Если Накоп >=6, то студент может получить Накоп в качестве итоговой оценки, не приходя на экзамен (студент не может получить оценку “Отлично”, не приходя на экзамен)

Список литературы

Авторы

Солдатова Татьяна Владимировна

Программа дисциплины