Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Научно-учебная группа «Анализ мультимедийных данных пользователей мобильных устройств»

Научно-учебная группа завершила свою работу

Научно-учебная группа «Анализ мультимедийных данных пользователей мобильных устройств» с января 2019 года реализует проект № 19-04-004 «Эффективные методы распознавания мультимедийных данных для задач анализа предпочтений пользователей мобильных устройств» в рамках Программы «Научный фонд Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ)» и в рамках государственной поддержки ведущих университетов Российской Федерации "5-100" под руководством д.т.н., профессора кафедры информационных систем и технологий НИУ ВШЭ-НН Савченко А.В. 

В состав группы входят 8 молодых исполнителей: 2 аспиранта, 3 магистранта и 3 студента бакалавриата НИУ ВШЭ - НН. Основной задачей является автоматическое извлечение интересов и характеристик пользователей в результате анализа мультимедийных данных (фото, видео, текстовые сообщения) их мобильных устройств. Акцент сделан на повышение вычислительной эффективности принятия решений для методов распознавания образов, основанных на глубоких нейронных сетях.


Новости

Команда HSE-NN стала победителем 4-го конкурса распознавания эмоций ABAW

Нижегородская Вышка заняла первое место в задаче Learning from Synthetic Data и третье место - в конкурсе Multi-Task Learning

Команда участников группы HSE-NN показала высокое качество своих методов распознавания эмоций в конкурсе Affective Behavior Analysis in-the-wild (ABAW)

Команда Нижегородской Вышки (HSE-NN) под руководством Савченко А.В. заняла 3 место в конкурсе MTL (multi-task learning) и 4 места в конкурсах Expression Classification и Valence-Arousal Estimation

14 декабря руководитель группы принял участие в онлайн-митапе Гёте-Института «Не теряя лица: жизнь в цифровую эпоху»

В ходе мероприятия обсуждался фильм «FACE_It! – лицо в эпоху цифровизации» режиссера Герда Конрадта

4 февраля руководитель группы сделал доклад на конференции OpenTalks.AI 2021

Тема доклада: "Последовательный анализ в распознавании изображений: повышение эффективности инференса и классификации"

11 декабря на онлайн-семинаре НУГ выступил Иван Гречихин

Тема доклада: "Фреймворк MuZero: история развития, технические возможности"

26 ноября на семинаре НУГ выступил младший научный сотрудник лаборатории компьютерной графики и мультимедиа ВМК МГУ Шахуро Владислав

В рамках семинара был презентован доклад по теме: "Распознавание редких дорожных знаков с использованием синтетических обучающих выборок" (по материалам диссертации на соискание ученой степени кандидата компьютерных наук НИУ ВШЭ, научный руководитель - Конушин А.С.).

24 ноября руководитель группы сделал доклад на митапе ассоциации "Международный кластер информационных технологий Нижнего Новгорода" (iCluster) с технологическими лабораториями Нижегородской Вышки

Тема доклада: "Вычислительно эффективные алгоритмы обработки и классификации изображений"

Очередное заседание семинара группы "Анализ мультимедийных данных пользователей мобильных устройств"состоялось 12 ноября

На семинаре выступил участник группы Артем Соколов (НИУ ВШЭ/Huawei) с темой "Обзор метоов распознавания эмоций в речи: по материалам конференции Interspeech 2020".

Савченко А.В. прочитал курс в академии анализа данных MADE

Название курса: «Обработка изображений на мобильных устройствах»

29-30 октября в Костроме состоялась конференция компании Huawei, на которой с приглашенным докладом выступил Савченко А.В.

Тема доклада: "Efficient image recognition with multi-task neural networks"