Нейросетевые методы обработки изображений (В.В.Китов)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Экзамен)
(Телеграм-канал курса)
(17 промежуточных версий не показаны.)
Строка 1: Строка 1:
__NOTOC__
__NOTOC__
[[Категория:Учебные курсы]]
[[Категория:Учебные курсы]]
-
==Экзамен==
 
-
Экзамен будет в '''пятницу 31 мая в 18-00 в ауд.606'''.
 
-
Проставляться оценка будет за 2й курс. Когда учебный план потребует обязательного прохождения спецкурса (у разных кафедр в разное время), студент имеет право написать заявление в учебную часть с просьбой перезачесть имеющийся спецкурс.
+
 
 +
==Телеграм-канал курса==
 +
Телеграм-канал курса: НМОИ 2020 (invite link https://t.me/joinchat/EfgDx0ZP42S0_n14I9KgyQ), присоединяйтесь. Там будет вся актуальная информация о проводимых онлайн занятиях по курсу.
 +
 
 +
Расписание занятий:
 +
 
 +
------------------------------------------
 +
Отдельные 2 лекции с 18-00 до 20-00 с другим идентификатором:
 +
 
 +
Тема: Нейросетевые методы обработки изображений
 +
Время: 27 мар 2020 06:00 PM Москва
 +
 
 +
Подключиться к конференции Zoom
 +
https://zoom.us/j/8043842932
 +
 
 +
Идентификатор конференции: 804 384 2932
 +
------------------------------------------
 +
 
 +
 
 +
Другие занятия:
 +
 
 +
Время:
 +
* 2 апр 2020 08:00 PM
 +
* 3 апр 2020 06:00 PM
 +
* 3 апр 2020 07:30 PM
 +
* 16 апр 2020 08:00 PM
 +
* 23 апр 2020 08:00 PM
 +
* 30 апр 2020 08:00 PM
 +
 
 +
Подключиться к конференции Zoom
 +
https://zoom.us/j/758600546
 +
 
 +
Идентификатор конференции: 758 600 546
==О курсе==
==О курсе==
-
Спецкурс проходит на ф-те ВМиК весной 2019 года и посвящен задаче автоматической стилизации изображений, в которой входное изображение необходимо преобразовать так, чтобы сохранить изображенные на нем предметы, но стилистику их отображения взять из другого изображения или группы изображений. Например, это может быть стилизация семейной фотографии под стиль известного художника, либо стилизация дневного фото в ночное, либо изменение зимней панорамы в летнюю. Эта задача может применяться в мультипликации, наложении спецэффектов в фильмах и видеоиграх, симуляторах и средствах дополненной реальности, а также для более точной настройки методов машинного обучения работе с изображениями за счет вариации их стиля и адаптации стиля под целевую предметную область. Помимо отдельных изображений указанный подход применим для видеопоследовательностей и данных из других предметных областей (текст, речь и т.д.). Основные методы стилизации были предложены в последние 5 лет и опираются на глубинные нейронные сети, базовому изучению которых посвящена существенная часть курса.
+
Спецкурс проходит на ф-те ВМиК в весеннем семестре и посвящен задаче автоматической стилизации изображений, в которой входное изображение необходимо преобразовать так, чтобы сохранить изображенные на нем предметы, но стилистику их отображения взять из другого изображения или группы изображений. Например, это может быть стилизация семейной фотографии под стиль известного художника, либо стилизация дневного фото в ночное, либо изменение зимней панорамы в летнюю. Эта задача может применяться в мультипликации, наложении спецэффектов в фильмах и видеоиграх, симуляторах и средствах дополненной реальности, а также для более точной настройки методов машинного обучения работе с изображениями за счет расширения обучающей выборки путем вариации стиля и адаптации стиля под целевую предметную область. Помимо отдельных изображений указанный подход применим для видеопоследовательностей и данных из других предметных областей (текст, речь и т.д.). Основные методы стилизации были предложены в последние 5 лет и опираются на глубинные нейронные сети, базовому изучению которых посвящена существенная часть курса.
==Лектор==
==Лектор==
Строка 13: Строка 43:
==Расписание==
==Расписание==
-
Занятия проходят по пятницам в 16-20 в ауд. 606. Первое занятие - 22.02.2019.
+
Занятия проходят по четвергам в 18-00 в ауд. 612. Первое занятие - 20.02.2020.
==Программа==
==Программа==
Строка 23: Строка 53:
* Генеративно-состязательные сети и их применения для стилизации и повышения качества изображений.
* Генеративно-состязательные сети и их применения для стилизации и повышения качества изображений.
 +
=Задание=
 +
В рамках спецкурса всем участникам выдается задание - подготовить обзорный доклад по статьям по стилизации изображений и рассказать свои идеи улучшений предложенных методов.
=Материалы лекций=
=Материалы лекций=
Строка 31: Строка 63:
[https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.]
[https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.]
 +
 +
[https://yadi.sk/i/XnAZ-fLKX9Bpmg Основные архитектуры сверточных нейросетей.]
[https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный метод переноса стиля.]
[https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный метод переноса стиля.]
Строка 48: Строка 82:
[https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.]
[https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.]
 +
 +
==Экзамен==
 +
 +
[https://yadi.sk/i/AdqMYWQ36bh0VA Билеты]
=Рекомендуемые ресурсы=
=Рекомендуемые ресурсы=

Версия 14:12, 27 марта 2020


Телеграм-канал курса

Телеграм-канал курса: НМОИ 2020 (invite link https://t.me/joinchat/EfgDx0ZP42S0_n14I9KgyQ), присоединяйтесь. Там будет вся актуальная информация о проводимых онлайн занятиях по курсу.

Расписание занятий:


Отдельные 2 лекции с 18-00 до 20-00 с другим идентификатором:

Тема: Нейросетевые методы обработки изображений Время: 27 мар 2020 06:00 PM Москва

Подключиться к конференции Zoom https://zoom.us/j/8043842932

Идентификатор конференции: 804 384 2932



Другие занятия:

Время:

  • 2 апр 2020 08:00 PM
  • 3 апр 2020 06:00 PM
  • 3 апр 2020 07:30 PM
  • 16 апр 2020 08:00 PM
  • 23 апр 2020 08:00 PM
  • 30 апр 2020 08:00 PM

Подключиться к конференции Zoom https://zoom.us/j/758600546

Идентификатор конференции: 758 600 546

О курсе

Спецкурс проходит на ф-те ВМиК в весеннем семестре и посвящен задаче автоматической стилизации изображений, в которой входное изображение необходимо преобразовать так, чтобы сохранить изображенные на нем предметы, но стилистику их отображения взять из другого изображения или группы изображений. Например, это может быть стилизация семейной фотографии под стиль известного художника, либо стилизация дневного фото в ночное, либо изменение зимней панорамы в летнюю. Эта задача может применяться в мультипликации, наложении спецэффектов в фильмах и видеоиграх, симуляторах и средствах дополненной реальности, а также для более точной настройки методов машинного обучения работе с изображениями за счет расширения обучающей выборки путем вариации стиля и адаптации стиля под целевую предметную область. Помимо отдельных изображений указанный подход применим для видеопоследовательностей и данных из других предметных областей (текст, речь и т.д.). Основные методы стилизации были предложены в последние 5 лет и опираются на глубинные нейронные сети, базовому изучению которых посвящена существенная часть курса.

Лектор

Виктор Владимирович Китов, к.ф.-м.н., преподаватель кафедры математических методов прогнозирования ВМК МГУ. Почта: v.v.kitov(at)yandex.ru.

Расписание

Занятия проходят по четвергам в 18-00 в ауд. 612. Первое занятие - 20.02.2020.

Программа

  • Введение в машинное и глубинное обучение
  • Алгоритмы настройки нейросетей. Регуляризация.
  • Основные архитектуры сверточных нейросетей.
  • Методы стилизации, основанные на сближении распределений.
  • Методы стилизации, основанные на сопоставлении участков изображений.
  • Генеративно-состязательные сети и их применения для стилизации и повышения качества изображений.

Задание

В рамках спецкурса всем участникам выдается задание - подготовить обзорный доклад по статьям по стилизации изображений и рассказать свои идеи улучшений предложенных методов.

Материалы лекций

Введение в машинное обучение.

Многослойный персептрон.

Сверточные нейросети.

Основные архитектуры сверточных нейросетей.

Оптимизационный метод переноса стиля.

Трансформационный метод переноса стиля.

Перенос стиля, основанный на патчах.

Технические улучшения.

Концептуальные улучшения.

Мульти-стилевые трансформационные модели.

Расширение обучающей выборки.

Генеративно-состязательные сети.


Экзамен

Билеты

Рекомендуемые ресурсы

Личные инструменты