Computer Vision

Ознакомьтесь с задачами, которые помогает решить Computer Vision. Получите общую информацию о том, как работает зрительная система. Узнайте, какие цветовые пространства существуют. Установите библиотеки NymPy, Matplotlib и OpenCV. Научитесь выполнять простые операции, используя эти библиотеки.

Узнайте, что такое операции на уровне пикселей, и научитесь читать гистограммы. Создайте простейшую программу для обработки цифровых изображений, например, программу для баланса белого цвета.

Изучите принцип работы свертки. Научитесь имплементировать фильтрацию и манипулировать изображением, используя разные типы фильтрации.

Узнайте, в чем смысл градиентов изображений. Научитесь имплементировать фильтры выделения границ. Освойте алгоритм выделения контуров и фильтры в Canny.

Изучите разницу между форматами изображений [raw, png, jpeg]. Разберите разницу между форматами H264 и H265. Узнайте, как работает сжатие с потерями, и научитесь работать с изображениями в преобразованной форме. Попробуйте улучшить качество изображения с помощью интеллектуального квантования.

Узнайте, что такое визуальные признаки, и ознакомьтесь с типовыми задачами, которые можно решить с их помощью. Научитесь выделять углы с помощью детектора Харриса. Изучите алгоритмы обнаружения и описания признаков. Научитесь применять масштабно-инвариантную трансформацию признаков (SIFT).

Ознакомьтесь с задачами, которые решает image matching. Изучите принцип аффинного преобразования и однородных координат. Научитесь применять гомографию для изображений. Разработайте ректификатор фотографий документов.

Ознакомьтесь с базовыми принципами работы с моделями данных. Разберите разницу между классической обработкой данных и машинным обучением. Научитесь строить простые модели с нуля и проводить их оптимизацию. Определите разницу между machine learning и deep learning.

Определите, чем визуальные признаки для детекции лиц отличаются от признаков других объектов. Ознакомьтесь с методом детекции Виолы-Джонса и методом бустинга. Научитесь работать с изображениями, которые содержат лица, и осуществлять детекцию с помощью OpenCV.

Изучите основы работы трекинга и принципы работы с цифровым видео. Разберите разницу между трекингом и детекцией на практике, реализовывая реальную рабочую задачу.

Изучите принципы работы нейронных сетей. Получите overview открытых библиотек TensorFlow и Keras. Научитесь строить и тренировать простые нейронные сети. Попробуйте улучшить модель нейронной сети для классической проблемы house pricing.

Узнайте, как ускорить тренировку нейронных сетей в несколько раз с помощью GPU, и ознакомьтесь с другими преимуществами графического процессора. Ознакомьтесь с облачным сервисом Google Colaboratory и научитесь строить и тренировать модели в нем. Узнайте, зачем проводить инспекцию баз данных.

Изучите принципы работы сверточных нейронных сетей. Изучите операции свертки и пулинга. Научитесь строить и тренировать сверточные нейронные сети.

Ознакомьтесь с проблемой переобучения [overfitting]. Научитесь распознавать проблемы в процессе обучения и применять data augmentation в процессе тренировки.

Научитесь решать задачу сегментации цифровых изображений. Изучите принцип bottleneck. Постройте простой автоматический энкодер для очищения изображений от шума.

Изучите концепт детекции и bounding box. Научитесь распознавать объекты в режиме реального времени, используя принцип YOLO [You Only Look Once]. Ознакомьтесь с алгоритмом NMS [Non-Maximum Suppression] и другими архитектурами сетей для распознавания объектов [SSD, TinyYOLO, SqueezeDet]. Примените YOLO для распознавания объектов на собственном видео.

Ознакомьтесь с популярными моделями сверточных нейронных сетей. Изучите процесс fine tuning и научитесь работать с model zoo. Узнайте, какие проблемы возникают при тренировке сверточных нейронных сетей. Получите рецепт успешного решения проблем с использованием нейронных сетей.