Участник:Anton

Материал из MachineLearning.

Перейти к: навигация, поиск


    Антон Осокин, к.ф.-м.н.

ассистент кафедры ММП факультета ВМК МГУ

English homepage

Научные интересы

  • Машинное обучение
  • Компьютерное зрение
  • Графические модели
  • Дискретная и непрерывная оптимизация

Избранные научные публикации

  • Anton Osokin, Pushmeet Kohli. Perceptually Inspired Layout-aware Losses for Image Segmentation. European Conference on Computer Vision (ECCV), 2014. pdf
  • Alexander Novikov, Anton Rodomanov, Anton Osokin, Dmitry Vetrov. Putting MRFs on a Tensor Train. In International Conference on Machine Learning (ICML), 2014. JMLR: W&CP volume 32. pdf; supplementary
  • Осокин А. А. Субмодулярная релаксация в задаче минимизации энергии марковского случайного поля. Кандидатская диссертация. 2014. Научный руководитель — Дмитрий Петрович Ветров

текст (pdf) автореферат (pdf)

Коды

  • Код по статье с CVPR 2013 о кооперативных разрезах: coopCuts_CVPR2013_v0.4.zip
  • Matlab-интерфейс для алгоритмов минимизации энергии MRF: TRW-S и LBP в реализации В. Колмогорова: mrfMinimizerMex_trws_lbp.zip
  • Matlab-интерфейс для алгоритма Бойкова-Колмогорова для построения минимального разреза графа: graphcut_BK.zip
  • Matlab-интерфейс для алгоритма IBFS для построения минимального разреза графа (данный алгоритм часто работает быстрее алгоритма Бойкова-Колмогорова): graphcut_IBFS.zip
  • Matlab-интерфейс для алгоритма Бойкова-Колмогорова. Эта версия позволяет эффективно вычислять мин-маргиналы при помощи динамических разрезов графов. computeMinMarginals.zip
  • Matlab-интерфейс для алгоритма минимизации энергии QPBO в реализации В. Колмогорова. Данный алгоритм позволяет получать частично-оптимальные решения для MRF с бинарными переменными. qpboMex.zip
  • Matlab-интерфейс для алгоритма вычисления частично оптимальных конфигураций от Ивана Ковтуна (реализация K. Alahari). Код применим для парно-сепарабельных MRF к-значных переменных с парными потенциалами Поттса. partialOptimality_Kovtun.zip

Учебно-методическая работа

Спецкурс «Байесовские методы машинного обучения»
Курс «Графические модели»
Спецсеминар «Байесовские методы машинного обучения»
Семинары в поддержку курса «Графические модели» , ШАД
Практикум на ЭВМ (317)

Личные инструменты