Онлайн программа повышения квалификации

Анализ изображений

Бесплатно для научно-педагогических работников и аспирантов российских ВУЗов. Курс реализуется Международным научно-методическим центром НИЯУ МИФИ в рамках федерального проекта "Кадры для цифровой экономики" национальной программы "Цифровая экономика Российской Федерации".

О программе

Анализ изображений – область прикладной математики, изучающая методы извлечения полезной информации из изображений. Анализ изображений тесно связан с их обработкой и включает такие задачи, как поиск объектов заданной формы, выделение границ, улучшение изображений, сегментацию и треккинг, количественное описание областей изображения. Эти задачи встречаются в микробиологии, медицине, астрономии, робототехнике, системах безопасности и слежения, а также других сферах науки и техники, имеющих дело с цифровыми изображениями.
В рамках курса Вы рассмотрите основные задачи анализа изображений, изучите классические и современные методы выделения границ объектов на изображениях, методы улучшения изображений и устранения шумов, познакомитесь с нейросетевыми архитектурами, применяемыми в анализе изображений.
Скачать программу
В результате прохождения курса
Вы изучите математические алгоритмы обработки, используемые в анализе изображений
Вы изучите методы анализа изображений и поймете их особенности
Вы изучите нейросетевые архитектуры, используемые для анализа изображений
Вы научитесь применять методы анализа изображений для решения практических задач
Обратите внимание: после авторизации на сайте ismc.academy Вам необходимо записаться на курс в разделе "Каталог курсов".

Преимущества программы

Обучение бесплатно для профессорско-преподавательского состава российских ВУЗов.
Все слушатели, прошедшие обучение, получат удостоверение о повышении квалификации НИЯУ МИФИ.
Все обучение проходит онлайн в формате четырех вебинаров от специалистов НИЯУ МИФИ.
Трофимов Александр Геннадьевич
Автор курса
Доцент Института интеллектуальных кибернетических систем НИЯУ МИФИ
Кандидат технических наук

    Программа курса

    Программа реализуется в формате четырех вебинаров
    с 10 ноября по 18 ноября
    (объем программы: 18 ак. часов).
    18:00 – 21:30
    10 ноября 2020
    18:00 – 21:30
    10 ноября 2020
    Занятие 1. Введение в анализ изображений
    Понятие цифрового изображения. Пространственное и яркостное разрешение изображения. Статистические характеристики изображения. Понятия динамического диапазона и контраста изображения. Количественные меры контраста. Локальный контраст. Гистограмма яркости. Использование матрицы Харалика для оценивания контраста. Отношение сигнал-шум. Методы улучшения контраста изображений. Масштабирование яркости. Понятие передаточной функции. Гамма-коррекция изображения. Выравнивание гистограммы яркостей. Адаптивное выравнивание гистограмм. Адаптивное выравнивание с ограничением контраста. Выравнивания яркости по заданной гистограмме.
    18:00 – 21:30
    12 ноября 2020
    18:00 – 21:30
    12 ноября 2020
    Занятие 2: Методы выделения и улучшения границ
    Понятие границы. Градиент яркости. Использование линейных фильтров для оценки градиента. Операция свертки. Ядро линейного оператора. Градиентные операторы. Операторы Робертса, Собеля, Превитта. Особенности градиентных операторов. Сглаживание изображений. Фильтр Гаусса. Использование фильтра Лапласа для детекции границ. Фильтр лапласиана гауссианы (LoG). Метод Марра-Хилдрета. Фильтр разности гауссиан (DoG). Детектор границ Кэнни.
    18:00 – 21:30
    16 ноября 2020
    18:00 – 21:30
    16 ноября 2020
    Занятие 3. Методы устранения шумов
    Источники шума на изображениях. Методы устранения шума. Устранение шума линейными фильтрами. Фильтр простого скользящего среднего. Свойство сепарабельности линейного фильтра. Биномиальный фильтр. Методы сглаживания с сохранением границ. Медианная фильтрация. Шум «соли и перца». Модификации медианного фильтра. Диффузионные фильтры. Анизотропный диффузионный фильтр. Артефакт ступенчатых перепадов яркости. Билатеральный фильтр. Влияние параметров фильтра на результат. Управляемые фильтры. Понятие управляющего изображения. Эффект переноса структуры. Совместный билатеральный фильтр. Фильтр Хе. Использование гребневой регрессионной модели в управляемой фильтрации.
    18:00 – 21:30
    18 ноября 2020
    18:00 – 21:30
    18 ноября 2020
    Занятие 4. Нейронные сети для анализа изображений
    Математическая модель искусственного нейрона. Архитектуры нейронных сетей. Постановка задачи обучения нейронных сетей. Методы обучения. Организация процесса обучения. Оценка точности обученной модели. Валидация и тестирование. Обобщающая способность и переобучение. Архитектуры нейронных сетей, используемые для обработки и анализа изображений. Сверточные нейронные сети. Перенос знаний в сверточных нейронных сетях.
    Улучшение изображений с помощью нейронных сетей. Сеть DnCNN. Сегментация и классификация изображений с помощью нейронных сетей. Сеть U-Net. Сети AlexNet, VGG, ResNet.
    Обратите внимание: после авторизации на сайте ismc.academy Вам необходимо записаться на курс в разделе "Каталог курсов".
    Поделитесь с коллегами!
    Расскажите коллегам об этом курсе!
    Свяжитесь с нами по любым вопросом с помощью телефона или почты, мы всегда рады общению и сотрудничеству
    Телефон: +7 (495) 788 56 99, доб. 8387
    E-mail: ismc@mephi.ru