Комп’ютерне бачення (прикладна математика, 1.9)
Тип: На вибір студента
Кафедра: прикладної математики
Навчальний план
| Семестр | Кредити | Звітність |
| 10 | 4.5 | Залік |
Лекції
| Семестр | К-сть годин | Лектор | Група(и) |
| 10 | 32 | Марчук Ю. Б. | ПМп-52м |
Лабораторні
| Семестр | К-сть годин | Група | Викладач(і) |
| 10 | 16 | ПМп-52м | Марчук Ю. Б. |
Опис курсу
Курс “Комп’ютерне бачення” охоплює такі розділи: основи обробки зображень та відео, розпізнавання облич, розв’язування задач регресії та класифікації в машинному навчанні для обробки зображень, класифікація рукописних цифр, класифікація зображень за допомогою щільно зв’язаної нейронної мережі, класифікація зображень з допомогою спеціальної згорткової мережі, виявлення об’єктів з допомогою YOLO, ознайомлення з хмарними рішеннями для комп’ютерного бачення, вступ до генеративних змагальних мереж при обробці зображень. Викладення матеріалу здійснюється за допомогою сучасних термінів та понять з галузі інформаційних технологій.
Метою курсу є ґрунтовне ознайомлення студентів з напрямком комп’ютерного бачення.
Завданням вивчення навчальної дисципліни є формування у студентів теоретичних знань в області комп’ютерного бачення; здобуття студентами практичних навичок розробки додатків задач комп’ютерного бачення.
Рекомендована література
Основна література
1. Joseph Howse, Joe Minichino Learning OpenCV 5 Computer Vision with Python 2023, 476 p
2. Krishnendu Kar Mastering Computer Vision with TensorFlow 2.x, 2020,430 p
3. Valliappa Lakshmanan Practical Machine Learning for Computer Vision, 2021, 280 p
4. Umberto Michelucci Advanced Applied Deep Learning: Convolutional Neural Networks and Object Detection, 2019, 294 p
5. Rajakingappaa Shanmugamani Deep Learning for Computer Vision, 2018, 310 p
6. Umberto Michelucci, Advanced Applied Deep Learning: Convolutional Neural Networks and Object Detection, Apress, 2019, 294p
7. Valliappa Lakshmanan Practical machine learning for computer vision, O’Reilly, 2021, 480 p
8. Jonah Carrio Andersson, Learning Microsoft Azure, O’Reilly, 2023, 497p
9. David Foster, Generative Deep Learning, O’Reilly, 2023, 453p
10. Kailash Ahirwar, Generative Adversarial Neyworks projects, Packt publishing, 2019, 316p
Додаткові онлайн ресурси:
11. Yiqiao Yin, Fundamentals of neural networks, Packt publishing, 2022
12. University of Michigan Deep Learning for Computer Vision Free Course: Deep Learning for Computer Vision from University of Michigan | Class Central