COMPUTER VISION
Будуйте нейронні мережі з нуля та навчіть їх розпізнавати об’єкти на фото і відео за допомогою Python і його бібліотек.
Ян Колода
Senior CV & ML Engineer у Gini GmbH
PhD у сфері Image Processing & Computer Vision
про курс
- Тривалість:
21 заняття
- Курсовий проєкт:
сегментатор або нейронна мережа
Протягом курсу ви навчитеся з нуля створювати нейронні мережі за допомогою Python, OpenCV та TensorFlow: від піксельних операцій та базових маніпуляцій із зображенням та відео до розбудови мереж та їх тренування. Надалі зможете застосовувати набуті знання в різних сферах: від медицини до безпілотних автомобілів.
для кого
до програми курсу входять
-
01
ДОСВІД ЛЕКТОРА
Лектор поділиться особистим досвідом та дасть overview задач Computer Vision. Кожну лекцію супроводжуватиме домашнє завдання, що дасть змогу одразу ж застосувати набуті знання на практиці.
-
02
АКТУАЛЬНІ ІНСТРУМЕНТИ
Ви використовуватимете Python, а саме бібліотеки NumPy, Matplotlib, scikit-learn для завдань Computer Vision. Опануєте OpenCV, TensorFlow та Keras.
-
03
ВОРКШОПИ ТА ПРАКТИКА
Навчитеся розв’язувати базові завдання комп’ютерного зору: фільтрацію, виділення кордонів, кодування, компресію, класифікацію, детекцію, трекінг та сегментацію. Будуватимете і тренуватимете нейромережі.
-
04
ПІДГОТОВКА ДО ІНТЕРВ’Ю
Дізнаєтеся про специфіку посади Computer Vision Engineer. Троє студентів з найвищими балами за практичні завдання отримають менторську сесію від лектора щодо підготовки до технічного інтерв’ю.
Програма
-
01 заняття20.05 18:30
Знайомство з Computer Vision
- ознайомитеся із завданнями, які допомагає розв’язати Computer Vision, та отримаєте загальну інформацію про те, як працює зорова система
- встановите бібліотеки NymPy, Matplotlib та OpenCV і навчитеся виконувати прості операції за допомогою них
-
02 заняття23.05 18:30
Піксельні операції
- дізнаєтеся, що таке операції на рівні пікселів, і навчитеся читати гістограми
- створите найпростішу програму обробки цифрових зображень — наприклад, програму балансу білого кольору
-
03 заняття27.05 18:30
Лінійна фільтрація
- вивчите принцип роботи згортки
- навчитеся імплементувати фільтрацію та маніпулювати зображенням, використовуючи різні типи фільтрації
-
04 заняття30.05 18:30
Фільтри виділення кордонів
- дізнаєтеся, в чому сенс градієнтів зображень
- навчитеся імплементувати фільтри виділення меж
- опануєте алгоритм виділення контурів та фільтри в Canny
-
05 заняття03.06 18:30
Кодування та компресія зображень
- вивчите відмінності між форматами зображень [RAW, PNG, JPEG], розберете, чим відрізняються формати H264 та H265
- дізнаєтеся, як працює стиснення із втратами, і навчитеся працювати із зображеннями в перетвореній формі
- спробуєте покращити якість зображення за допомогою інтелектуального квантування
-
06 заняття06.06 18:30
Image features [візуальні ознаки]
- дізнаєтеся, що таке візуальні ознаки, та ознайомитеся з типовими завданнями, які можна розв’язати з їхньою допомогою
- вивчите алгоритми виявлення та опису ознак
- навчитеся виділяти кути за допомогою детектора Харріса
- навчитеся застосовувати масштабно-інваріантну трансформацію ознак (SIFT)
-
07 заняття10.06 18:30
Image matching [відповідність зображень]
- ознайомитеся із завданнями, які розв’язує image matching
- вивчите принцип афінного перетворення та однорідних координат
- навчитеся використовувати гомографію для зображень
- розробите ректифікатор фотографій документів
-
08 заняття13.06 18:30
Machine Learning [машинне навчання]
- ознайомитеся з основними принципами роботи з моделями даних та розберете відмінність між класичною обробкою даних та машинним навчанням
- навчитеся будувати прості моделі з нуля та проводити їхню оптимізацію
- визначите відмінність між Machine Learning та Deep Learning
-
09 заняття17.06 18:30
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 із зображеннями, які містять обличчя, та здійснювати детекцію за допомогою OpenCV
-
10 заняття20.06 18:30
Трекінг
- вивчите основи роботи трекінгу та принципи роботи з цифровим відео
- розберете відмінності між трекінгом та детекцією на практиці, реалізовуючи реальне робоче завдання
-
11 заняття24.06 18:30
Q&A-сесія
-
12 заняття27.06 18:30
Нейронні мережі: part 1
- вивчите принципи роботи нейронних мереж та отримаєте overview відкритих бібліотек TensorFlow та Keras
- навчитеся будувати й тренувати прості нейронні мережі
- спробуєте покращити модель нейронної мережі для класичної проблеми house pricing
-
13 заняття08.07 18:30
Нейронні мережі: part 2
- дізнаєтеся, як прискорити тренування нейронних мереж у кілька разів за допомогою GPU, та ознайомитеся з іншими перевагами графічного процесора
- ознайомитеся із хмарним сервісом Google Colaboratory та навчитеся будувати й тренувати моделі в ньому
- дізнаєтеся, навіщо проводити інспекцію баз даних
-
14 заняття11.07 18:30
Згорткові нейронні мережі: part 1
- вивчите принципи роботи згорткових нейронних мереж
- вивчите операції згортки та пулінгу
- навчитеся будувати й тренувати згорткові нейронні мережі
-
15 заняття15.07 18:30
Згорткові нейронні мережі: part 2
- ознайомитеся з проблемою перенавчання [overfitting]
- навчитеся розпізнавати проблеми в процесі навчання та застосовувати data augmentation у процесі тренування
-
16 заняття18.07 18:30
Згорткові нейронні мережі: part 3
- навчитеся розв’язувати задачу сегментації цифрових зображень
- вивчите принцип bottleneck
- побудуєте простий автоматичний енкодер для очищення зображень від шуму
-
17 заняття22.07 18:30
Воркшоп: нейронні мережі
-
18 заняття25.07 18:30
Детекція об’єктів
- вивчите концепт детекції та bounding box
- навчитеся розпізнавати об’єкти в режимі реального часу, використовуючи принцип YOLO [You Only Look Once]
- застосуєте YOLO, щоб розпізнати об’єкти на власному відео
- ознайомитеся з алгоритмом NMS [Non-Maximum Suppression] та іншими архітектурами мереж для розпізнавання об’єктів [SSD, TinyYOLO, SqueezeDet]
-
19 заняття29.07 18:30
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
-
20 заняття01.08 18:30
Q&A-сесія
-
21 заняття05.08 18:30
Презентація курсового проєкту
лектор
Ян Колода
Senior Computer Vision & Machine Learning Engineer у Gini GmbH
PhD у галузі Image Processing & Computer Vision
6 років досвіду роботи
-
розробляє моделі, що здійснюють автоматичне вилучення інформації з документів за допомогою AI, у німецькому фінтех-стартапі Gini — цією технологією користуються 3 найбільших банки Німеччини: Deutsche Bank, Commerzbank, KfW
-
в AVL Software and Functions спроєктував Deep Learning pipelines автономного кермування та розробив алгоритми обробки зображення і відео для безпілотних автомобілів
-
працював у Veridas, де розробляв систему боротьби з підробкою зображень на основі машинного навчання з точністю понад 99 % ― ці методи є частиною першої біометричної платіжної системи, розгорнутої в Іспанії
-
викладав цифрове опрацювання зображень/відео та Computer Vision в Університеті Гранади [Іспанія] та Університеті Ерлангена — Нюрнберга [Німеччина]
реєстрація
Заповнюйте форму, щоб навчитися застосовувати Computer Vision у власних проєктах та зростати у Machine Learning.