Popis předmětu - B3B33VIR
B3B33VIR | Vidění robotu | ||
---|---|---|---|
Role: | PV | Rozsah výuky: | 2P+2L |
Katedra: | 13133 | Jazyk výuky: | CS |
Garanti: | Zimmermann K. | Zakončení: | Z,ZK |
Přednášející: | Vacek P., Zimmermann K. | Kreditů: | 4 |
Cvičící: | Azayev T., Pecka M., Šalanský V., Vacek P., Zimmermann K. | Semestr: | Z |
Anotace:
Předmět naučí aplikovat metody počítačového vidění, strojového učení a optimalizace na znamých úlohách z oblasti robotiky jako jsou například sémantická segmentace z kamerových a hloubkových obrázků či reaktivní řízení robotu. Těžiště předmětu leží ve výuce metod aplikujících hluboké konvoluční neuronové sítě. Studenti využijí základní znalosti z optimalizace a lineární algebry jako jsou robustní řešení přeurčených soustav (ne)lineárních (ne)homogenních rovnic nebo metody gradientní minimalizace. První polovina cvičení je věnována řešení základních úloh v PyTorch, druhá část cvičení je věnována samostatnému řešení semestrální práce.Cíle studia:
Předmět naučí aplikovat metody počítačového vidění, strojového učení a optimalizace na znamých úlohách z oblasti robotiky jako jsou například metrické a sémantické mapování z kamerových a hloubkových obrázků či reaktivní řízení robotu.Osnovy přednášek:
1 Přehled a organizace předmětu 2 Regrese jako ML/MAP a její aplikace 3 Klasifikace jako ML/MAP a jeho aplikace 4 Neuronové sítě a backpropagation 5 Konvoluční vrstva a backpropagation 6 Normalizační vrstvy (BachNorm, InstanceNorm, ...) a backpropagation 7 Učení (SGD, momentum, ...) 8 Architektury hlubokých neuronových sítí I: detekce (yolo), segmentace (DeepLab), Klasifikace (ResNet) 9 Architektury hlubokých neuronových sítí II: pose regression, LIFT 10 Úvod to PyTorch 11 Generativní modely a jejich použití v robotice (Generative Adversarial Networks, Cascaded Refinement Networks, Style Transfer Networks) 12 Posilované učení v robotice (imitation learning, RL, actor-critic, aplikace) 13 Prezentace semestralnich praciOsnovy cvičení:
Cvičení bude probíhat formou řešení samostatné semestrální práce s konzultacemi.Literatura:
Thrun S., Burgard W., Fox D. Probabilistic robotics, MIT Press, 2006 Šonka M., Hlavác V., Boyle R.: Image processing, analysis, and machine vision, Cengage Learning, Toronto, 2015.Požadavky:
Webová stránka:
https://cw.fel.cvut.cz/wiki/courses/B3B33VIRKlíčová slova:
Robotika, počítačové vidění, hluboké konvoluční neuronové sítěPředmět je zahrnut do těchto studijních plánů:
Plán | Obor | Role | Dop. semestr |
BPKYR_2016 | Před zařazením do oboru | PV | 5 |
Stránka vytvořena 6.7.2022 11:49:54, semestry: L/2022-3, Z/2024-5, L/2021-2, Z/2022-3, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |