Научно-исследовательский семинар "Введение в компьютерное зрение"

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Кафедра фундаментальной математики (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

2-й курс, 3, 4 модуль

Преподаватель

Клиньшов Владимир Викторович

Программа дисциплины

Аннотация

Компьютерное зрение позволяет алгоритмам распознавать объекты на изображениях, но как они могут понять глубину, форму и структуру окружающего пространства? Трёхмерное компьютерное зрение отвечает на эти вопросы, открывая двери к созданию умных роботов, дополненной реальности, автономным автомобилям и цифровым двойникам реального мира. В этом курсе мы разберём: - Как формируются изображения — от камеры до нейросетей. - Методы оценки глубины — как алгоритмы определяют расстояние до объектов. - Работу с облаками точек — обработка и анализ 3D-данных. - Современные методы реконструкции 3D-сцен — от классических подходов до нейросетевых технологий. - Генеративные модели для 3D — методы и подходы к генерации.

Цель освоения дисциплины

• Ознакомление студентов с основами и современными методами компьютерного зрения, включая извлечение семантической и метрической информации из изображений;
• Формирование практических навыков работы с изображениями и решения прикладных задач анализа изображений.

Планируемые результаты обучения

• Владеть аппаратом нейросетевых моделей для классификации изображений
• Владеть методами трёхмерной реконструкции
• Владеть навыками реализации алгоритмов обработки изображений с использованием библиотек для обработки изображений
• Владеть навыками реализации алгоритмов решения задач компьютерного зрения на языке Python с использованием библиотек машинного обучения
• Знать основные методы и задачи обработки и распознавания видео
• Знать основные методы построения признаков изображений
• Знать основные постановки задач компьютерного зрения, процесс формирования изображений, базовые методы тональной коррекции
• Знать основные элементы современных алгоритмов обработки изображений в том числе с использованием состязательных сетей
• Уметь применять и оценивать качество алгоритмов выделения объектов
• Уметь применять методы поиска и сопоставления локальных особенностей

Содержание учебной дисциплины

• Введение в компьютерное зрение. Цифровое изображение и тональная коррекция
• Основы обработки изображений
• Совмещение изображений и локальные особенности
• Классификация и поиск по изображениям
• Свёрточные нейросети для классификации и поиска похожих изображений
• Детекторы объектов
• Сегментация изображений
• Преобразование и генерация изображений
• Основы обработки видео
• Трёхмерная реконструкция по изображениям
• Введение в 3D зрение. 3D представления.
• Модель цифровой камеры. Перспективная проекция. Калибровка камеры
• Многовидовая геометрия. Гомография, фундаментальная матрица, триангуляция
• Разреженная многовидовая реконструкция. Задачи Structure-from-motion (SFM) и Simultnaneous Localization and Mapping (SLAM)
• Дифференцируемая графика: прямой и обратный рендеринг
• Дифференцируемая графика: освещение и нейрорендеринг

Элементы контроля

• Активность
  Активность
• Домашнее задание
  Домашнее задание

Промежуточная аттестация

• 2026/2027 3rd module
  0.5 * Домашнее задание + 0.5 * Активность
• 2026/2027 4th module
  0.5 * Домашнее задание + 0.5 * Активность

Список литературы

Рекомендуемая основная литература

• Richard Szeliski. (2010). Computer Vision: Algorithms and Applications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C0E46D49
• Richard Szeliski. (2010). Computer Vision: Algorithms and Applications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.E8FCD1BD

Рекомендуемая дополнительная литература

• Jiao, L., Zhang, F., Liu, F., Yang, S., Li, L., Feng, Z., & Qu, R. (2019). A Survey of Deep Learning-based Object Detection. https://doi.org/10.1109/ACCESS.2019.2939201
• Richard Szeliski. (2006). Image alignment and stitching: a tutorial. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.46C97F13

Авторы

• Саратовцев Артем Романович
• Клиньшов Владимир Викторович