Глубокое обучение систем компьютерного зрения
Учебное пособие посвящено изучению основ применения нейронных сетей в задачах компьютерного зрения. Книга предназначена для студентов бакалавриата и магистратуры, обучающихся по направлениям информатики, вычислительной техники, программной инженерии и информационных систем.
В пособии рассматриваются фундаментальные концепции классической обработки изображений, включая основные операции и ключевые библиотеки Python для работы с визуальными данными. Особое внимание уделяется архитектуре и принципам работы сверточных нейронных сетей (CNN), начиная с базовых полносвязных сетей и заканчивая современными глубокими архитектурами.
Подробно разбираются методы повышения качества глубокого обучения: функции активации (ReLU, softmax), классические подходы регуляризации, аугментация данных, инициализация весов, метод дропаута и батч-нормализация. Рассматривается эволюция архитектур нейронных сетей от LeNet до ResNet, влияние соревнований ImageNet на развитие Deep Learning и роль графических ускорителей в обучении моделей.
Пособие включает практические аспекты работы с библиотекой PyTorch для реализации нейронных сетей и переноса обучения. Для успешного освоения материала требуется знание языка программирования Python и понимание базовых концепций машинного обучения.
