Нейросетевые методы обработки изображений (В.В.Китов)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Экзамен)
(Расписание)
(21 промежуточная версия не показана)
Строка 4: Строка 4:
==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.
-
 
-
==Экзамен==
 
-
[https://yadi.sk/i/fiOqsFojRz6K1w Билеты к экзамену]
 
-
 
-
[https://yadi.sk/i/FfPdQOvLP2AAmg Видео-лекция по стилизации видео]
 
==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.
 +
 +
==Взаимодействие==
 +
[https://t.me/joinchat/CqyNIvwz1NE2YTk6 Группа в телеграмме]
==Расписание==
==Расписание==
-
Занятия проходят по четвергам в 18-00 в ауд. 612. Первое занятие - 20.02.2020.
+
Занятия проходят удалённо по вторникам (18-30 - 20-00) и по пятницам (19-00 - 20-30) через zoom по [https://zoom.us/j/8043842932?pwd=SUlMOFNRRDRXOG5kcm9pamZMWXdBdz09 ссылке] в следующие дни:
-
 
+
26 фев (пт), 5 мар (пт), 9 мар (вт), 12 мар (пт), 16 мар (вт), 19 мар (пт), 23 мар (вт), 26 мар (пт), 30 мар (вт), 02 апр (пт), 06 апр (вт), 16 апр (пт), 23 апр (пт).
-
==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=
+
-
[https://yadi.sk/i/IfR0TdxpHAhmRA Введение в машинное обучение.]
+
=Лекции=
-
[https://yadi.sk/i/H_Oi0oL1tzqBRw Многослойный персептрон.]
+
[https://disk.yandex.ru/d/4OpIzpEIDAtIxg?w=1 Все материалы лекций, включая рукописные записи]
-
[https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.]
+
---
-
[https://yadi.sk/i/XnAZ-fLKX9Bpmg Основные архитектуры сверточных нейросетей.]
+
[https://disk.yandex.ru/i/DahA9a6xJACndA Введение в машинное обучение.]
-
[https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный метод переноса стиля.]
+
[https://disk.yandex.ru/i/yLIS882WZvWuJA Градиентный спуск]
-
[https://yadi.sk/i/_6AInrhKcJzl9A Трансформационный метод переноса стиля.]
+
[https://disk.yandex.ru/i/i_BnuYAjWChnQg Расширение выборки изображений.]
-
[https://yadi.sk/i/dzghc0Ufxi7zMw Перенос стиля, основанный на патчах.]
+
[https://disk.yandex.ru/i/gph7FwVAtNQ9Dw Сверточные нейросети.]
-
[https://yadi.sk/i/TGA1AOP64G1a_Q Технические улучшения.]
+
[https://disk.yandex.ru/i/cpmM9us878oT7g Основные архитектуры сверточных нейросетей (классификация).]
-
[https://yadi.sk/i/gVypaP4Kmql_rw Концептуальные улучшения.]
+
[https://disk.yandex.ru/i/vDkARFFSAE2Dhw Семантическая сегментация.]
-
[https://yadi.sk/i/uiDNs7aAe2-tUw Мульти-стилевые трансформационные модели.]
+
[https://disk.yandex.ru/i/RFZmN0Y14q4nqA Оптимизационный метод переноса стиля.]
-
[https://yadi.sk/i/QwndMEu3to27dg Расширение обучающей выборки.]
+
[https://disk.yandex.ru/i/wvcSzT2NEay_zQ Трансформационный метод переноса стиля.]
-
[https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.]
+
[https://disk.yandex.ru/i/1GM8VR-hyxgsMw Мульти-стилевые трансформационные модели.]
-
[https://yadi.sk/i/Te1zloUyBE0diQ Перенос стиля для видео.]
+
[https://disk.yandex.ru/i/lT4wdWb7Pu47Aw Перенос стиля, основанный на патчах.]
-
[https://yadi.sk/i/gwVql6oddlKuQg Компактные представления слов.]
+
[https://disk.yandex.ru/i/A31uPFZJtw3ZoA Генеративно-состязательные сети.]
-
[https://yadi.sk/i/nd48U2atjQKs2Q Сверточные сети для работы с текстами.]
+
[https://disk.yandex.ru/i/XC-1YMWi2gE9fg Приложения генеративно-состязательных сетей.]
-
[https://yadi.sk/i/by75OE1sDbR4Lg Реккурентные сети для работы с текстами.]
+
[https://disk.yandex.ru/i/ZURITznAGYBSSA Технические улучшения стилизации.]
-
[https://yadi.sk/i/3vNqPKSwm02PoQ Применения реккурентных сетей.]
+
[https://disk.yandex.ru/i/cr8W3R3MguemNw Концептуальные улучшения стилизации.]
-
==Экзамен==
+
[https://disk.yandex.ru/i/pav8WPuuxyfqyA Расширение обучающей выборки.]
-
Экзамен будет проходить устно в удаленном формате. 30 минут будет дано на подготовку, можно пользоваться любыми материалами.
+
[https://disk.yandex.ru/i/N1TWXuRkctQgzQ Стилизация видео.]
=Рекомендуемые ресурсы=
=Рекомендуемые ресурсы=

Версия 07:47, 11 марта 2021


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.

Взаимодействие

Группа в телеграмме

Расписание

Занятия проходят удалённо по вторникам (18-30 - 20-00) и по пятницам (19-00 - 20-30) через zoom по ссылке в следующие дни: 26 фев (пт), 5 мар (пт), 9 мар (вт), 12 мар (пт), 16 мар (вт), 19 мар (пт), 23 мар (вт), 26 мар (пт), 30 мар (вт), 02 апр (пт), 06 апр (вт), 16 апр (пт), 23 апр (пт).

Лекции

Все материалы лекций, включая рукописные записи

---

Введение в машинное обучение.

Градиентный спуск

Расширение выборки изображений.

Сверточные нейросети.

Основные архитектуры сверточных нейросетей (классификация).

Семантическая сегментация.

Оптимизационный метод переноса стиля.

Трансформационный метод переноса стиля.

Мульти-стилевые трансформационные модели.

Перенос стиля, основанный на патчах.

Генеративно-состязательные сети.

Приложения генеративно-состязательных сетей.

Технические улучшения стилизации.

Концептуальные улучшения стилизации.

Расширение обучающей выборки.

Стилизация видео.

Рекомендуемые ресурсы

Личные инструменты