Компьютерное зрение

Уважаемые коллеги!

Приглашаем вас на семинар по компьютерному зрению, который состоится в нашем офисе 26 апреля в 10:00.

Подробная программа

9:30 - 10:00 Регистрация и приветственный кофе-брейк

10:00 - 10:20 Приветствие (Артем Багров)

10:20 - 11:15 Машинное зрение для промышленности (Кирилл Тузов и Анастасия Лесничая)

Поиск глубины по видео
Технология оценки глубины – это метод определения расстояния между объектами на изображении или видео. Используется для создания 3D-моделей объектов, улучшения качества видео и фотографий, а также для обнаружения препятствий на дорогах и в других ситуациях. Может использоваться, когда в системе нет датчиков расстояния, таких как лидары, радары и пр.

Pose estimation – детектирование характерных точек объекта с целью определения положения (позы) объекта в пространстве
Oценки позы – это метод анализа позы человека или животного на изображении или видео. Находит применение для различных целей, например, для обнаружения физических проблем у пациентов, для улучшения спортивных тренировок или для создания реалистичных персонажей в компьютерной графике.

Сегментация изображения для целей точного положения объекта в пространстве и его составляющих
Cегментация – это метод попиксельной классификации отдельных частей или областей на изображении. Применяется в анализе и классификации объектов на изображении, например, для распознавания лиц, автомобилей, домов, биологических клеток и т.д.

Детекция объектов в 2D и 3D и их трекинг
Трекинг – это метод отслеживания движения объектов на видео или в реальном времени. Она используется для различных целей, например, для улучшения безопасности на дорогах, анализа поведения покупателей в магазинах или предсказанию движеня дронов.

Технология детектирования – это метод выявления объектов на изображении или видео. Она используется для различных целей, например, для обнаружения лиц, автомобилей, животных и других объектов, а также для улучшения безопасности на дорогах и в общественных местах. Технология детектирования может быть основана на различных алгоритмах и методах машинного обучения, включая нейронные сети и компьютерное зрение.

11:15 - 12:00 Генерация данных и one-shot learning (Клим Гольштейн)

В ситуациях, когда выборка данных представлена малым количеством изображений, нейросети с использованием стандартных подходов будут давать неудовлетворительные результаты. Один из способов сделать обучение более эффективным – использовать технологию one-shot learning. Другой способ – использовать генеративные сети для обогащения выборки новыми данными на основе исходных. В этой секции мы расскажем, какие методы и в каких ситуациях лучше применять для решения конкретных задач. Вы сможете увидеть на практике, как эти алгоритмы работают и как можно применять их на производстве.

12:00 - 12:30 Кофе-брейк

12:30 - 12:40 Опыт внедрения ИИ вместе с ЦИТМ Экспонента (Иван Овчинников)

12:40 - 13:20 Поиск аномалий с помощью алгоритмов машинного зрения (Анастасия Лесничая)

Системы предсказательного обслуживания осуществляют мониторинг, диагностику и контроль производственного оборудования. Внедрение предсказательного обслуживания позволяет сократить простои оборудования и эксплуатационные затраты, увеличить жизненный цикл оборудования и повысить качество рабочих процессов. Отдельного внимания заслуживает компьютерное зрение в задачах предсказательного обслуживания и контроля качества продукции, о возможностях и примерах применения которого мы расскажем в этой секции.

13:20 — 13:55 Генерация кода алгоритмов машинного зрения для встраиваемых систем (Кирилл Тузов)

Семинар будет полезен специалистам, работающим в области автоматизации производства, робототехники и машинного зрения, а также всем, кому интересен анализ данных с использованием методов искусственного интеллекта.