Машински вид базиран на длабоко учење

(единица, односно институт, катедра, оддел)

Брзиот развој и широката примена на алгортмите и системите за машински вид во последната деценија во голем дел се базираат на новите достигања во доменот на невронските мрежи, односно длабокото учење. Целта на наставниот предмет е изучување на архитектурите на невронски мрежи кои се применуваат во системите за машински вид, со посебен акцент на класификацијата на слики, детекција на објекти во слики и сегментација на слики. Во тек на курсот студентите ќе ги проучуваат теоретските основи, архитекурата и имплементацијата на невронските мрежи. Со успешно завршување на курсот студентите ќе бидат оспособени да дизајнираат архитектури на невроснки мрежи наменети за решавање на специфични проблеми од доменот на машинскиот вид, да ги имплеменираат, тренираат и да ги тесираат врз реални проблеми. Тие ќе се стекнат со сознанија за најновите достигања во областа и ќе бидат оспособени за понатамошно проширување на знаењеата преку нивно континуирано следење и имплементација на сопстевни истражувања.

Вовед во невронски мрежи, перцептрон, активациска функција, функција на загуба, повеќеслојни невронски мрежи, тренирање со пропагација наназад, практични проблеми при тренирањето, длабоки невронски мрежи, рекурентни невронски мрежи, конволуциски невронски мрежи (CNN), CNN за класификација на слики, CNN за детекција на објекти во слики, CNN за сегментација, внимание и трансформери, анализа на видео и 3D CNN.

Комбиниран начин на учење: предавања, подржани со презентации и визуелизација на концептите, активно учество на студентите преку проектни задачи.

Студентот треба да изработи проектна задача и истата да ја предаде најдоцна до полагањето на завршниот испит. Во предвидените испитни сесии се полага завршниот испит (времетраење  60 минути). Во конечната оценка влегуваат поените од проектната задача и завршниот устен испит.

број