Нейросетевые методы обработки изображений (В.В.Китов)
Материал из MachineLearning.
| Строка 15: | Строка 15: | ||
[https://yadi.sk/i/IfR0TdxpHAhmRA Введение в машинное обучение.] | [https://yadi.sk/i/IfR0TdxpHAhmRA Введение в машинное обучение.] | ||
| + | |||
[https://yadi.sk/i/H_Oi0oL1tzqBRw Многослойный персептрон.] | [https://yadi.sk/i/H_Oi0oL1tzqBRw Многослойный персептрон.] | ||
| + | |||
[https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.] | [https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.] | ||
| + | |||
[https://yadi.sk/i/XnAZ-fLKX9Bpmg Основные архитектуры сверточных нейросетей.] | [https://yadi.sk/i/XnAZ-fLKX9Bpmg Основные архитектуры сверточных нейросетей.] | ||
| + | |||
[https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный метод переноса стиля.] | [https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный метод переноса стиля.] | ||
| + | |||
[https://yadi.sk/i/_6AInrhKcJzl9A Трансформационный метод переноса стиля.] | [https://yadi.sk/i/_6AInrhKcJzl9A Трансформационный метод переноса стиля.] | ||
| + | |||
[https://yadi.sk/i/dzghc0Ufxi7zMw Перенос стиля, основанный на патчах.] | [https://yadi.sk/i/dzghc0Ufxi7zMw Перенос стиля, основанный на патчах.] | ||
| + | |||
[https://yadi.sk/i/TGA1AOP64G1a_Q Технические улучшения.] | [https://yadi.sk/i/TGA1AOP64G1a_Q Технические улучшения.] | ||
| + | |||
[https://yadi.sk/i/gVypaP4Kmql_rw Концептуальные улучшения.] | [https://yadi.sk/i/gVypaP4Kmql_rw Концептуальные улучшения.] | ||
| + | |||
[https://yadi.sk/i/uiDNs7aAe2-tUw Мульти-стилевые трансформационные модели.] | [https://yadi.sk/i/uiDNs7aAe2-tUw Мульти-стилевые трансформационные модели.] | ||
| + | |||
[https://yadi.sk/i/QwndMEu3to27dg Расширение обучающей выборки.] | [https://yadi.sk/i/QwndMEu3to27dg Расширение обучающей выборки.] | ||
| + | |||
[https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.] | [https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.] | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
=Рекомендуемые ресурсы= | =Рекомендуемые ресурсы= | ||
| - | |||
| - | |||
* Примеры переноса стиля для видео: [https://www.youtube.com/watch?v=Khuj4ASldmU пример 1], [https://www.youtube.com/watch?v=vMyMUNvsGfQ пример 2], [https://www.youtube.com/watch?v=BcflKNzO31A пример 3]. | * Примеры переноса стиля для видео: [https://www.youtube.com/watch?v=Khuj4ASldmU пример 1], [https://www.youtube.com/watch?v=vMyMUNvsGfQ пример 2], [https://www.youtube.com/watch?v=BcflKNzO31A пример 3]. | ||
| - | |||
| - | |||
* [https://arxiv.org/pdf/1705.04058.pdf Обзорная статья по переносу стиля для изображений.] | * [https://arxiv.org/pdf/1705.04058.pdf Обзорная статья по переносу стиля для изображений.] | ||
| - | |||
| - | |||
* [https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv Лекции курса в Стэнфорде по сверточным нейронным сетям.] | * [https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv Лекции курса в Стэнфорде по сверточным нейронным сетям.] | ||
| - | |||
| - | |||
* [http://www.pittnuts.com/2015/07/top-conferences-on-machine-learning-and-computer-vision/ Топовые конференции по машинному обучению и компьютерному зрению] (самые интересные статьи там) | * [http://www.pittnuts.com/2015/07/top-conferences-on-machine-learning-and-computer-vision/ Топовые конференции по машинному обучению и компьютерному зрению] (самые интересные статьи там) | ||
| - | |||
| - | |||
* [https://scholar.google.ru/ Поиск google по статьям.] | * [https://scholar.google.ru/ Поиск google по статьям.] | ||
| - | |||
| - | |||
* [https://pytorch.org/tutorials/ Образовательные материалы по библиотеке глубинного обучения PyTorch.] | * [https://pytorch.org/tutorials/ Образовательные материалы по библиотеке глубинного обучения PyTorch.] | ||
| - | |||
| - | |||
* [http://d2l.ai/index.html Книга по глубинному обучению.] | * [http://d2l.ai/index.html Книга по глубинному обучению.] | ||
Версия 17:02, 3 декабря 2020
О курсе
Спецкурс проходит на ф-те ВМиК в весеннем семестре и посвящен задаче автоматической стилизации изображений, в которой входное изображение необходимо преобразовать так, чтобы сохранить изображенные на нем предметы, но стилистику их отображения взять из другого изображения или группы изображений. Например, это может быть стилизация семейной фотографии под стиль известного художника, либо стилизация дневного фото в ночное, либо изменение зимней панорамы в летнюю. Эта задача может применяться в мультипликации, наложении спецэффектов в фильмах и видеоиграх, симуляторах и средствах дополненной реальности, а также для более точной настройки методов машинного обучения работе с изображениями за счет расширения обучающей выборки путем вариации стиля и адаптации стиля под целевую предметную область. Помимо отдельных изображений указанный подход применим для видеопоследовательностей и данных из других предметных областей (текст, речь и т.д.). Основные методы стилизации были предложены в последние 5 лет и опираются на глубинные нейронные сети, базовому изучению которых посвящена существенная часть курса. Спецкурс проходит на ф-те ВМиК в весеннем семестре и посвящен задаче автоматической стилизации изображений, в которой входное изображение необходимо преобразовать так, чтобы сохранить изображенные на нем предметы, но стилистику их отображения взять из другого изображения или группы изображений. Например, это может быть стилизация семейной фотографии под стиль известного художника, либо стилизация дневного фото в ночное, либо изменение зимней панорамы в летнюю. Эта задача может применяться в мультипликации, наложении спецэффектов в фильмах и видеоиграх, симуляторах и средствах дополненной реальности, а также для более точной настройки методов машинного обучения работе с изображениями за счет расширения обучающей выборки путем вариации стиля и адаптации стиля под целевую предметную область. Помимо отдельных изображений указанный подход применим для видеопоследовательностей и данных из других предметных областей (текст, речь и т.д.). Основные методы стилизации были предложены в последние 5 лет и опираются на глубинные нейронные сети, базовому изучению которых посвящена существенная часть курса.
Лектор
Виктор Владимирович Китов, к.ф.-м.н., преподаватель кафедры математических методов прогнозирования ВМК МГУ. Почта: v.v.kitov(at)yandex.ru.
Материалы лекций
Основные архитектуры сверточных нейросетей.
Оптимизационный метод переноса стиля.
Трансформационный метод переноса стиля.
Перенос стиля, основанный на патчах.
Мульти-стилевые трансформационные модели.
Генеративно-состязательные сети.
Рекомендуемые ресурсы
- Примеры переноса стиля для видео: пример 1, пример 2, пример 3.
- Обзорная статья по переносу стиля для изображений.
- Лекции курса в Стэнфорде по сверточным нейронным сетям.
- Топовые конференции по машинному обучению и компьютерному зрению (самые интересные статьи там)
- Поиск google по статьям.
- Образовательные материалы по библиотеке глубинного обучения PyTorch.
- Книга по глубинному обучению.
