Нейросетевые методы обработки изображений (В.В.Китов)
Материал из MachineLearning.
| Строка 1: | Строка 1: | ||
__NOTOC__ | __NOTOC__ | ||
[[Категория:Учебные курсы]] | [[Категория:Учебные курсы]] | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
==О курсе== | ==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. | ||
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== | ==Лектор== | ||
| - | |||
| - | |||
[[Участник:Victor Kitov|Виктор Владимирович Китов]], к.ф.-м.н., преподаватель кафедры [[Mmp|математических методов прогнозирования]] [http://cmc.msu.ru ВМК МГУ]. Почта: v.v.kitov(at)yandex.ru. | [[Участник:Victor Kitov|Виктор Владимирович Китов]], к.ф.-м.н., преподаватель кафедры [[Mmp|математических методов прогнозирования]] [http://cmc.msu.ru ВМК МГУ]. Почта: v.v.kitov(at)yandex.ru. | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
=Материалы лекций= | =Материалы лекций= | ||
| - | |||
| - | |||
| - | |||
[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.] | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
==Экзамен== | ==Экзамен== | ||
Версия 17:01, 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
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.
Экзамен
-
- Билеты
-
-
Рекомендуемые ресурсы
-
-
-
-
- Топовые конференции по машинному обучению и компьютерному зрению (самые интересные статьи там)
-
-
-
