Материал из MachineLearning.

Версия 19:04, 7 мая 2020

Телеграм-канал курса

Расписание занятий:

Отдельные 2 лекции с 18-00 до 20-00 с другим идентификатором:

Тема: Нейросетевые методы обработки изображений Время: 27 мар 2020 06:00 PM Москва

Подключиться к конференции Zoom https://zoom.us/j/8043842932

Идентификатор конференции: 804 384 2932

Другие занятия:

Время:

• 2 апр 2020 08:00 PM
• 3 апр 2020 06:00 PM
• 3 апр 2020 07:30 PM
• 16 апр 2020 08:00 PM
• 23 апр 2020 08:00 PM
• 30 апр 2020 08:00 PM

Подключиться к конференции Zoom https://zoom.us/j/758600546

Идентификатор конференции: 758 600 546

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.

Лектор

Виктор Владимирович Китов, к.ф.-м.н., преподаватель кафедры математических методов прогнозирования ВМК МГУ. Почта: v.v.kitov(at)yandex.ru.

Расписание

Занятия проходят по четвергам в 18-00 в ауд. 612. Первое занятие - 20.02.2020.

Программа

• Введение в машинное и глубинное обучение
• Алгоритмы настройки нейросетей. Регуляризация.
• Основные архитектуры сверточных нейросетей.
• Методы стилизации, основанные на сближении распределений.
• Методы стилизации, основанные на сопоставлении участков изображений.
• Генеративно-состязательные сети и их применения для стилизации и повышения качества изображений.

Задание

В рамках спецкурса всем участникам выдается задание - подготовить обзорный доклад по статьям по стилизации изображений и рассказать свои идеи улучшений предложенных методов.

Материалы лекций

Введение в машинное обучение.

Многослойный персептрон.

Сверточные нейросети.

Основные архитектуры сверточных нейросетей.

Оптимизационный метод переноса стиля.

Трансформационный метод переноса стиля.

Перенос стиля, основанный на патчах.

Технические улучшения.

Концептуальные улучшения.

Мульти-стилевые трансформационные модели.

Расширение обучающей выборки.

Генеративно-состязательные сети.

Перенос стиля для видео.

Компактные представления слов.

Сверточные сети для работы с текстами.

Реккурентные сети для работы с текстами.

Экзамен

Билеты

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.