Нейросетевые методы обработки изображений (В.В.Китов)

Материал из MachineLearning.

Версия 10:45, 19 марта 2025

О курсе

Спецкурс посвящён основам глубокого обучения, а также задачам классификации, сегментации и генерации изображений, используя нейросетевой перенос стиля (neural style transfer) и генеративно-состязательные сети (generative adversarial networks).

Курс самодостаточный, основные понятия и задачи вводятся и подробно разбираются, поэтому спецкурс будет полезен слушателям, не имевшим предварительного знакомства с нейросетями.

Спецкурс является практико-ориентированным: помимо теории большое внимание уделяется разбору практической реализации изучаемых архитектур. В этом смысле спецкурс является органичным дополнением обязательного курса “Глубокое машинное обучение”.

В частности, разбираются основы работы с библиотекой PyTorch, реализации многослойного персептрона, автокодировщика, симаских сетей, RBF-сетей, свёрточных и генеративно-состязательных сетей.

Для прохождения спецкурса необходимо сдать устный экзамен по основным теоретическим темам, а также сдать практикум.

Пройденный спецкурс вы можете позже перезачесть в учебной части на 4м курсе (по учебному плану вам тогда нужно проходить спецкурс по выбору).

Лектор

Виктор Владимирович Китов, к.ф.-м.н., преподаватель кафедры математических методов прогнозирования ВМК МГУ.

Почта: v.v.kitov(at)yandex.ru.

Требования к слушателям

Необходимы базовые знания по математическому анализу, линейной алгебре и теории вероятностей. Предварительных знаний по нейронным сетям и методам обработки изображений не требуется.

Программа курса

• Введение в глубокое обучение.
• Многослойный персептрон. Основные функции активации и функции потерь.
• Автокодировщик.
• Работа в среде Jupyter Lab, Jupyter Notebook. Средства отладки кода.
• Методы оптимизации нейросетей.
• Основы работы с PyTorch, автоматическое дифференцирование, реализация простейших нейросетей.
• Операции свёртки и пулинга. Свёрточные нейросети для обработки текстов и изображений.
• Основные свёрточные архитектуры для классификации изображений.
• Реализация свёрточных сетей и использование предобученных сетей в PyTorch.
• Сегментация изображений.
• Реализация задачи супер-разрешения (super-resolution) и сиамских сетей в PyTorch.
• Задача переноса стиля и её практическая реализация.
• Генеративно-состязательные сети.
• Реализация генеративно-состязательных сетей в PyTorch.

Практикум

В рамках практикума необходимо реализовать улучшенния базовых архитектур, разобранных на практических семинарах. От студентов второго курса дополнительно требуется сделать презентацию свежей статьи по теме компьютерного зрения и предложить идеи её улучшений.

Прохождение спецкурса

Для успешной сдачи спецкурса необходимо сдать практикум и устный экзамен.

Регистрация на курс

Регистрация на курс происходит на самом спецкурсе по факту посещения, дополнительные действия не требуются.

Время занятий

По понедельникам 16:50 - 18:20, ауд. 510.

Первое занятие - 17.02.2025.

Рекомендуемые ресурсы

• Авторсий онлайн-учебник по машинному и глубокому обучению
• Учебник школы анализа данных Яндекса по машинному и глубокому обучению
• Образовательные материалы по библиотеке PyTorch
• Поиск google по научным статьям