Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Rozpoznawanie obrazów: sieci neuronowe

Informacje ogólne

Kod przedmiotu: 1000-2M18RO Kod Erasmus / ISCED: 11.3 / (0612) Database and network design and administration
Nazwa przedmiotu: Rozpoznawanie obrazów: sieci neuronowe
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty monograficzne dla III - V roku informatyki
Przedmioty obieralne dla informatyki
Punkty ECTS i inne: 6.00
zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

Niemal każdego dnia słyszymy doniesienia o nowych osiągnięciach w dziedzinie rozpoznawania obrazów. Automatyczna klasyfikacja zdjęć, rozpoznawanie obiektów na obrazie, wykrywanie zdarzeń w wideo, analiza sytuacji na drodze przez autonomiczne samochody czy śledzenie obiektów przez drony to tylko nieliczne przykłady możliwości dzisiejszych algorytmów rozpoznawania obrazów. Ostatni postęp w sieciach neuronowych, w tzw. głębokim uczeniu, znacznie poprawił skuteczność znanych metod rozpoznawania obrazów. Kurs ten ma na celu przedstawienie architektur głębokiego uczenia oraz nauczenie implementowania, trenowania oraz debugowania własnych sieci neuronowych do rozpoznawania obrazów. Studenci zdobędą wiedzę teoretyczną, informacje o najnowszych badaniach, oraz zdobędą praktyczne umiejętności.

Pełny opis:

1. Wprowadzenie do rozpoznawania obrazów.

2. Klasyfikacja obrazów, funkcje loss, optymalizacja.

3. Wprowadzenie do sieci neuronowych.

4. Konwolucyjne sieci neuronowe.

5. Trenowanie sieci neuronowych. Sprzęt oraz oprogramowanie.

6. Konwolucyjne sieci neuronowe: architektury.

7. Rekurencyjne sieci neuronowe.

8. Detekcja obiektów, analiza semantyczna, analiza wideo.

9. Modele generatywne.

10. Wizualizacja oraz zrozumienie.

11. Reinforcement Learning.

Literatura:

* R. Szeliski, Computer Vision: Algorithms and Applications, Springer Science & Business Media, 2010.

* Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.

Metody i kryteria oceniania:

Laboratoria: projekty.

Wykłady: egzamin pisemny.

Zajęcia w cyklu "Semestr zimowy 2018/19" (zakończony)

Okres: 2018-10-01 - 2019-01-25
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Piotr Biliński
Prowadzący grup: Piotr Biliński
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "Semestr zimowy 2019/20" (w trakcie)

Okres: 2019-10-01 - 2020-01-27
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Piotr Biliński
Prowadzący grup: Piotr Biliński
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.