Symulowanie wizualne

Cele i zarys tematyczny kursu:

W dużym skrócie materiał kursu przedstawia się następująco:

  1. Podstawowe algorytmy klasyfikacji obrazów (knn, regresja logistyczna, sieci MLP, sieci CNN)

  2. Wybrane zaawansowane metody widzenia komputerowego

Wymagania:
  1. analiza matematyczna
  2. programowanie w języku Python

Literatura:
  1. J. Deng, et al., Imagenet: A large-scale hierarchical image database, Computer Vision and Pattern Recognition, CVPR 2009.
  2. K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image recognition, The 3rd International Conference on Learning Representations (ICLR2015), 2015.
  3. docs.unity3d.com/Manual