Курс Computer Vision

Від простих маніпуляцій до розпізнавання об'єктів та роботи з нейромережами - опануйте всі інструменти, щоб створювати рішення на основі Computer Vision.

Програма курсу

Знайомство з Computer Vision

• Ознайомитеся з завданнями, які допомагає розв'язати Computer Vision
• Отримаєте загальну інформацію про те, як працює зорова система
• Дізнаєтесь, які є колірні простори
• Встановите бібліотеки NymPy, Matplotlib та OpenCV
• Навчитеся виконувати прості операції за допомогою цих бібліотек

Піксельні операції

• Дізнаєтеся, що таке операції на рівні пікселів, і навчитеся читати гістограми
• Створите найпростішу програму обробки цифрових зображень - наприклад, програму балансу білого кольору

Лінійна фільтрація

• Вивчите принцип роботи згортки
• Навчитеся імплементувати фільтрацію та маніпулювати зображенням, використовуючи різні типи фільтрації

Фільтри виділення кордонів

• Дізнаєтеся, у чому сенс градієнтів зображень
• Навчитеся імплементувати фільтри виділення меж
• Опануєте алгоритм виділення контурів та фільтри в Canny

Кодування та компресія зображень

• Вивчите різницю між форматами зображень [raw, png, jpeg]
• Розберете різницю між форматами H264 та H265
• Дізнаєтеся, як працює стиснення із втратами, і навчитеся працювати з зображеннями в перетвореній формі
• Спробуєте покращити якість зображення за допомогою інтелектуального квантування

Image features [візуальні ознаки]

• Дізнаєтеся, що таке візуальні ознаки, та ознайомитеся з типовими завданнями, які можна розв'язати з їхньою допомогою
• Навчитеся виділяти кути за допомогою детектора Гарріса
• Вивчите алгоритми виявлення та опису ознак
• Навчитеся застосовувати масштабно-інваріантну трансформацію ознак (SIFT)

Image matching [підстроювання зображень]

• Ознайомитеся з завданнями, які розв'язує image matching
• Вивчите принцип афінного перетворення та однорідних координат
• Навчитеся використовувати гомографію для зображень
• Розробите ректифікатор фотографій документів

Machine Learning [машинне навчання]

• Ознайомитеся з основними принципами роботи з моделями даних
• Розберете різницю між класичною обробкою даних та машинним навчанням
• Навчитеся будувати прості моделі з нуля та проводити їхню оптимізацію
• Визначите різницю між machine learning та deep learning

Детекція облич

• Визначите, чим візуальні ознаки для детекції осіб відрізняються від інших об'єктів
• Ознайомитеся з методом детекції Віоли-Джонса та методом бустингу
• Навчитеся працювати з зображеннями, які містять обличчя, та здійснювати детекцію за допомогою OpenCV

Трекінг

• Вивчите основи роботи трекінгу та принципи взаємодії з цифровим відео
• Розберете відмінності між трекінгом та детекцією на практиці, реалізовуючи реальне робоче завдання

Q&A-сесія

• Поставите запитання лектору
• Розберете найскладніші кейси повторно

Нейронні мережі: part 1

• Вивчите принципи роботи нейронних мереж
• Отримаєте overview відкритих бібліотек TensorFlow та Keras
• Навчитеся будувати й тренувати прості нейронні мережі
• Спробуєте покращити модель нейронної мережі для класичної проблеми house pricing

Нейронні мережі: part 2

• Дізнаєтеся, як прискорити тренування нейронних мереж у кілька разів за допомогою GPU, та розберете інші переваги графічного процесора
• Ознайомитеся з хмарним сервісом Google Colaboratory та навчитеся будувати й тренувати моделі в ньому
• З'ясуєте, навіщо проводити інспекцію баз даних

Згорткові нейронні мережі: part 1

• Розберете принципи роботи згорткових нейронних мереж
• Вивчите операції згортки та пулінгу
• Навчитеся будувати й тренувати згорткові нейронні мережі

Згорткові нейронні мережі: part 2

• Ознайомитеся з проблемою перенавчання [overfitting]
• Навчитеся розпізнавати проблеми в процесі навчання та застосовувати data augmentation у процесі тренування

Згорткові нейронні мережі: part 3

• Навчитеся розв'язувати задачу сегментації цифрових зображень
• Розберете принцип bottleneck
• Побудуєте простий автоматичний енкодер для очищення зображень від шуму

Воркшоп з нейронних мереж

Навчитеся будувати, тренувати й покращувати нейромережі на практиці.

Детекція об'єктів

• Розберете концепт детекції та bounding box
• Навчитеся розпізнавати об'єкти в режимі реального часу, використовуючи принцип YOLO [You Only Look Once]
• Ознайомитеся з алгоритмом NMS [Non-Maximum Suppression] та іншими архітектурами мереж для розпізнавання об'єктів [SSD, TinyYOLO, SqueezeDet]
• Застосуєте YOLO, щоб розпізнати об’єкти на власному відео

Згорткові нейронні мережі: що далі?

• Ознайомитеся з популярними моделями згорткових нейронних мереж
• Вивчите процес fine tuning та навчитеся працювати з model zoo
• Дізнаєтеся, які проблеми виникають під час тренування згорткових нейронних мереж
• Отримаєте рецепт успішного розв’язання проблем із використанням нейронних мереж

Воркшоп: Computer Vision training. Нейромережі

• Поставите запитання лектору
• Розберете найскладніші кейси повторно

Презентація курсового проєкту

Реалізуєте власний проєкт: сегментатор для детекції дорожніх позначок або згорткову нейромережу для super-resolution зображень.

Особливості курсу

• Сильний контент
• Широкий набір інструментів
• Практика
• Кар'єра
• Допомога ментора
• Курсовий проєкт
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Ян Колода - Senior CV & ML Engineer at Gini GmbH