четверг, 24 февраля 2011 г.

Как и было отмечено на конференции ГрафиКон'2010 летом этого года (с 28 июля по 3 августа) в Москве на базе МГУ им. М.В. Ломоносова  пройдет школа Мicrosoft по компьютерному зрению (Microsoft Computer Vision School, MSCVS). Более подробная информация здесь. Школа спонсируется исследовательским подразделением компании Microsoft (Microsoft Research) и организована совместно с МГУ им. М.В. Ломоносова. Цели школы: предоставить студентам уникальную возможность узнать фундаментальные и новейшие результаты по компьютерному зрению и анализу изображений от ведущих мировых ученых данной области; предоставить возможность студентам обменяться опытом друг с другом и с преподавателями школы.

Принять участие в школе могут студенты старших курсов, аспиранты и молодые ученые, интересующиеся компьютерным зрением и анализом изображений. Рабочий язык школы - английский, однако некоторые доклады будут на русском, поэтому участники должны владеть обоими языками. Минимальная подготовка участников должна включать вводный курс по алгоритмам и базовые навыки по программированию (на C++). Всем принятым к участию в школе претендентам будет оплачено участие в школе: проживание, питание и культурно-развлекательная программа. Студенты должны будут оплатить проезд в Москву и обратно. В ограниченном количестве случаев школа оплатит проезд частично или полностью.

Школа включает в себя лекции, практические занятия, проект по программированию и сессию стендовых докладов участников школы.

Претендентам на участие необходимо до 30 апреля подать заявку. Необходимые для заявки документы (включающие в себя рекомендацию научного руководителя, краткое резюме, а также научную статью, курсовую работу либо отчёт об иной исследовательской работе) могут быть приложены и изменены в любой момент до указанного срока.

Нужно обязательно туда попасть. С the 21st Jyväskylä Summer School по числам не накладывается.

вторник, 22 февраля 2011 г.

Интересным (для многих известным) фактом обучения в некоторых зарубежных университетах является возможность использования готовых видеозаписей (videotapes) лекционных материалов курсов. Это является, как мне кажется, неплохим подспорьем в образовании (самообразовании, если ты не являешься, скажем, студентом Massachusetts Institute of Technology, MIT). Однако это конечно не означает, что там на лекции не ходят! Для себя отмечу плюсом прослушать лекцию Гильберта Стренга (Gibert Strang) по "Линейной алгебре" или по "Вычислительным наукам и инженерии". Поэтому, приведу несколько примеров вышеозначенных материалов, которые, как мне кажется, можно связать с предметами физического факультета Ярославского государственном университета им. П.Г. Демидова.

1. Strang G. Linear Algebra (18.06), 2010. Massachusetts Institute of Technology (ссылка). Обновленная страница данного курса за 2011 год (ссылка).
2. Strang G. Computational Science and Engineering I (18.085), 2008. Massachusetts Institute of Technology (ссылка).
3. Strang G. Computational Science and Engineering I (18.085), 2007. Massachusetts Institute of Technology (ссылка)
4. Ng A. Machine Learning (CS229), 2009. Stanford University (ссылка).
5. Osgood B.G. The Fourier Transform and its Application (EE261), 2009. Stanford University (ссылка). 

В общем, это конечно малое в большом, но все же полезное. Дополнительно, отмечу, что по ссылкам, указанным выше, могут быть найдены дополнительные материалы по данным предметам: задания, учебники, стенограммы лекций и прочее.

пятница, 18 февраля 2011 г.

С 11 февраля начинает свою работу страница курса-факультатива "Компьютерное зрение" специальности "Радиотехника".

В настоящем разделе размещена информация, затрагивающая литературу, ссылки и лекционный материал по тематике курса.

Место и время проведения 

Физический факультет (2-ой учебный корпус), к. 203а, каждую неделю по пятницам, с 12.00 до 13.35.

Темы лекционных занятий
  1. Введение в компьютерное зрение (презентация .ppt).
  2. Формирование изображений. Камера и ее основные характеристики (презентация .ppt).
  3. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .ppt).
  4. Введение в Matlab (презентация .pptпримеры .rar). Seam Carving Algorithm - "контурное вырезание по шву" (презентация .pptпример реализации .rar).
  5. Фильтрация и улучшение изображений (презентация .ppt).
  6. Цвет и освещенность. Приложение в задачах компьютерного зрения (презентация .ppt).
  7. Сегментация изображений и обнаружение контуров (презентация .ppt).
  8. Основные понятия распознавания образов (презентация .ppt).
Дополнительные материалы
  1. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
  2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 (ссылка).
  3. Конушин А. и др. Курс "Введение в компьютерное зрение", 2010. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  4. Конушин А. и др. Курс "Введение в компьютерное зрение", 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
  5. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
  6. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
  7. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
  8. Darrell T. Computer Vision (CS 280), 2009. University of California, Berkeley (ссылка).
  9. Duraiswami R. Fundamentals of Computer Vision (CMSC 828d), 2000 / Computer Vision (CMSC 426), 2005. UMIACS (ссылка). 
  10. Torralba A. Advances in Computer Vision (6.869), 2010. Massachusetts Institute of Technology (ссылка).
  11. Ng A. Machine Learning (CS229), 2009. Stanford University (ссылка).
  12. Конушин A. Семантическая классификация изображений, 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
  13. Ерухимов В. Компьютерное зрение и библиотека OpenCV, 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
  14. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
  15. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
  16. Efros A. Computational Photography (15-46315-862), 2010. Carnegie Mellon University (ссылка).
Руководитель курса: асс. каф. ДЭС Волохов В.А.

Выход интересных книг по тематике машинного обучения, интеллектуального анализа данных и всего, что с этим связано продолжается. В общем, подобного рода книги на западе, не новы. В настоящем посте кратко опишу и оставлю ссылку на книгу, опубликованную в 2009 году в издательстве Springer и затрагивающую вышеозначенную проблематику. Название книги: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, видимо можно перевести как "Элементы статистического обучения: интеллектуальный анализ данных, вывод и предсказание". Книга существует в электронном варианте, последний вариант можно скачать здесь. Авторы книги: Тревор Гасти (Trevor Hastie), Роберт Тибширани (Robert Tibshirani), Джером Фридман (Jerome Friedman). Все являются действующими преподавателями Stanford University.
Из авторов перечисленных выше мне особо известен Джером Фридман, публиковавшийся в смежных работах с Лео Брейманом (Leo Breiman). Последний являлся по моему мнению гениальным ученым в своей области, известным научной общественности, например, по теореме Шэннона-Бреймана-Макмиллана (Shannon-Breiman-McMillan theorem, 1957) в теории информации или алгоритму "случайного леса" (Random Forest, 2001), используемого в задачах связанных с регрессией и классификацией. Кратко, что есть в книге: Boosting, Neural Networks, Support Vector Machines, Random Forests and et al. В общем есть что посмотреть и есть с чем разобраться.