2.3 KiB
2.3 KiB
Модуль 10. Компьютерное зрение
Плановый срок: недели 21–23.
Предварительные знания
MLP, backpropagation, функции активации и training loop из модуля 09, а также базовые NumPy и PyTorch.
Цели
- понимать convolution, receptive field и основные CNN
- обучать и дообучать классификаторы изображений
- понимать пользу предобучения и выбирать глубину/размер архитектуры
- оценивать ошибки, дисбаланс и сдвиг данных
Уроки
- Свёртки, pooling, augmentation и CNN
- LeNet, AlexNet, VGG, ResNet и skip connections
- ImageNet pretraining, transfer learning и fine-tuning
- Выбор архитектуры под качество, данные, latency и память
- Detection и segmentation — обзор
Термины модуля: глоссарий.
Для каждого урока: прочитайте теорию, воспроизведите ключевой пример своими руками и запишите три тезиса без подсказки. Формулы из этого модуля нужно уметь связать с кодом и наблюдаемым поведением модели.
Задания
assignments/01_convolution.md— Свёртка вручнуюassignments/02_cnn_classification.md— CNN-классификаторassignments/03_transfer_learning.md— Fine-tuning предобученной CNN
Завершение модуля
Модуль завершён, когда все задания удовлетворяют критериям приёмки, вы можете объяснить основные решения без ноутбука и получили review.