Нейросетевые методы обработки изображений (В.В.Китов)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Расписание)
 
(17 промежуточных версий не показаны.)
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.
-
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.
 +
==Взаимодействие==
 +
[https://t.me/joinchat/CqyNIvwz1NE2YTk6 Группа в телеграмме]
 +
 +
==Расписание==
 +
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).
 +
 +
=Лекции=
 +
 +
[https://disk.yandex.ru/d/4OpIzpEIDAtIxg?w=1 Все материалы лекций, включая рукописные записи]
 +
 +
---
 +
 +
[https://disk.yandex.ru/i/DahA9a6xJACndA Введение в машинное обучение.]
 +
 +
[https://disk.yandex.ru/i/yLIS882WZvWuJA Градиентный спуск]
 +
 +
[https://disk.yandex.ru/i/i_BnuYAjWChnQg Расширение выборки изображений.]
 +
 +
[https://disk.yandex.ru/i/gph7FwVAtNQ9Dw Сверточные нейросети.]
 +
 +
[https://disk.yandex.ru/i/cpmM9us878oT7g Основные архитектуры сверточных нейросетей (классификация).]
 +
 +
[https://disk.yandex.ru/i/vDkARFFSAE2Dhw Семантическая сегментация.]
 +
 +
[https://disk.yandex.ru/i/RFZmN0Y14q4nqA Оптимизационный метод переноса стиля.]
 +
 +
[https://disk.yandex.ru/i/wvcSzT2NEay_zQ Трансформационный метод переноса стиля.]
 +
 +
[https://disk.yandex.ru/i/1GM8VR-hyxgsMw Мульти-стилевые трансформационные модели.]
 +
 +
[https://disk.yandex.ru/i/lT4wdWb7Pu47Aw Перенос стиля, основанный на патчах.]
 +
 +
[https://disk.yandex.ru/i/A31uPFZJtw3ZoA Генеративно-состязательные сети.]
 +
 +
[https://disk.yandex.ru/i/XC-1YMWi2gE9fg Приложения генеративно-состязательных сетей.]
 +
 +
[https://disk.yandex.ru/i/ZURITznAGYBSSA Технические улучшения стилизации.]
 +
 +
[https://disk.yandex.ru/i/cr8W3R3MguemNw Концептуальные улучшения стилизации.]
 +
 +
[https://disk.yandex.ru/i/pav8WPuuxyfqyA Расширение обучающей выборки.]
-
=Материалы лекций=
+
[https://disk.yandex.ru/i/N1TWXuRkctQgzQ Стилизация видео.]
-
+
-
[https://yadi.sk/i/IfR0TdxpHAhmRA Введение в машинное обучение.]
+
-
[https://yadi.sk/i/H_Oi0oL1tzqBRw Многослойный персептрон.]
+
-
[https://yadi.sk/i/jIbSmgR_2akThg Сверточные нейросети.]
+
-
[https://yadi.sk/i/XnAZ-fLKX9Bpmg Основные архитектуры сверточных нейросетей.]
+
-
[https://yadi.sk/i/fHZUcrVFWFbODw Оптимизационный 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/TGA1AOP64G1a_Q Технические улучшения.]
+
-
[https://yadi.sk/i/gVypaP4Kmql_rw Концептуальные улучшения.]
+
-
[https://yadi.sk/i/uiDNs7aAe2-tUw Мульти-стилевые трансформационные модели.]
+
-
[https://yadi.sk/i/QwndMEu3to27dg Расширение обучающей выборки.]
+
-
[https://yadi.sk/i/MVFsFttnAV_YMg Генеративно-состязательные сети.]
+
-
==Экзамен==
 
-
 
-
-
 
-
 
-
-
 
-
[https://yadi.sk/i/AdqMYWQ36bh0VA Билеты]
 
-
 
-
-
 
-
 
-
-
 
=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.]

Текущая версия


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