Управляемая сегментация изображений

Управляемая сегментация изображений (embodied segmentation)
Тема посвящена поиску ответа на вопрос как улучшить результаты сегментации/детекции объектов с помощью state-of-the-art нейросетевых моделей имея возможность управлять движением видеокамеры с учетом ее известного трехмерного положения подвижной видеокамеры. Также в эту тематику входят и другие современные способы обучения алгоритмов сегментации, в том числе без учителя.
Семинар 28. Анализ методов трекинга для интеллектуальной робототехники и беспилотного транспорта | Илья Башаров, Илья Петряшин
Необходимые умения
  • Сильная математическая подготовка (курсы математической статистики, дискретной математики, теории алгоритмов, аналитической геометрии)
  • Понимание принципов машинного обучения
  • Отличное знание Python
  • Базовое владение фреймворками глубокого обучения PyTorch и/или Tensorflow
  • Базовое знакомство с операционной системой роботов ROS
Завершенные проекты/публикации
  • Shepel, I., Adeshkin, V., Belkin, I., & Yudin, D. A. (2021). Occupancy Grid Generation With Dynamic Obstacle Segmentation in Stereo Images. IEEE Transactions on Intelligent Transportation Systems.
  • V. I. Kuznetsov, and D. A. Yudin. Neural Networks for Classification and Unsupervised Segmentation of Visibility Artifacts on Monocular Camera Image. Optical Memory and Neural Networks, 2022, Vol. 31, No. 3, pp. 245–255
Темы исследовательских проектов
  • Управляемая сегментация и детекция, в том числе в 3D (Embodied 3D segmentation and detection)
  • Сегментация объектов на изображениях без учителя, в том числе с помощью подходов на основе карт активации классов