Deep learning alkalmazása a vizuális informatikában

A VIK Wikiből
Deep learning alkalmazása
a vizuális informatikában
Tárgykód
VIIIAV20
Általános infók
Szak
infó
Kredit
4
Keresztfélév
vizsgakurzus
Követelmények
Labor
13 db
KisZH
nincs
NagyZH
nincs
Házi feladat
1 db
Vizsga
írásbeli
Elérhetőségek

A tárgy célja a GPU alapú deep learning technikák alkalmazásának bemutatása a vizuális informatika területén (gépi látás, alakzatfelismerés, textúra és optikai modell szintézis, zajszűrés, szuperfelbontás, tomográfia), megismertetve a hallgatókat a képi információfeldolgozás, valamint a látás alapú robotika feladataival, a GPGPU megközelítés elemeivel, és ezekre a feladatokra a mélytanulás alkalmazásával.


Követelmények

Előtanulmányi rend

A szorgalmi időszakban

  • Az aláírás feltételei:
    • A házi feladat összpontjaiból 40%.
  • Pótlási lehetőségek:
    • A házi feladat a pótlási hét végéig pótolható, különeljárási díj befizetése nélkül.

A vizsgadőszakban

  • Vizsga: van, írásbeli, félév teljes anyagából. 40% teljesítés szükséges a minimumhoz.

Félévvégi jegy

  • A félévvégi osztályzatot a hallgatók a házi feladat (50%) és a vizsgajegy (50%) alapján kapják.

Segédanyagok

Ajánlott könyvek

  • Rajalingappaa Shanmugamani, Deep Learning for Computer Vision, Pack Publishing, ISBN 9781788295628, 2018
  • John C. Russ, F. Brent Neal, The Image Processing Handbook, 7th edition, CRC Press, ISBN 149874026X, 2016
  • Jason Sanders, Edward Kandrot, CUDA by Example, Addison-Wesley press, ISBN 0-13-138768-5, 2010
  • GPU Computing Gems – Emerald Edition, Editor: Wen-mei W. Hwu., Morgan Kaufmann Publisher,ISBN: 9780123849885, 2011
  • Programming Massively Parallel Processors, David B. Kirk, Wen-mei W. Hwu, Morgan Kaufmann Publisher, ISBN 978-0-12-381472-2, 2010

Ajánlott oldalak

Házi feladat

2021. tavasz

Idén 4 kisházi volt. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél.

Laboratórium

2021. tavaszán online oktatás keretei közt ezek opcionálisak voltak jelenlétileg, de szinte kötelező, ha valaki meg is szeretné érteni az anyagot és tényleg alkalmazni a gyakorlatban. A laborok egyik felében Python-nal Google Colab-ban dolgoznak a hallgatók, ekkor deep learninghez köthető könyvtárakat is használnak, a laborok másik felében C++-ban, CUDA, CuBlas és hasonló könyvtárak segítségével dolgozzák fel.

1. Labor

  • ...

Vizsga

2021. tavasz

Két főbb részből állt:

  • 1 kifejtős kérdéssor 6 kérdéssel (30%-a az összes pontnak)
  • 2 gyakorlati feladat: egy Pythonos, egy C++-os (70%-a az összes pontnak)

Kedvcsináló

2021. tavasz - Kovács Attila

Harmadévesként találtam rá erre a gyöngyszem tárgyra, és nem bántam meg. Az oktatók mindig felkészülten érkeztek, mindig segítőkészek voltak, minden kérdésre válaszoltak, 10/10 oktatók. A laborok alapján kiválóan el lehetett sajátítani az anyagot szerintem, és a vizsgán sem kérdeztek bonyolultabbat, mint amiket megcsináltunk laboron. A házikban egészen sok támpontot adnak a feladatok leírásánál, először nagyon bonyolultnak tűnik, de a labor megoldások alapján el lehet indulni. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond. Viszont a hátulütője a tárgynak hogy minimum Prog2-t és Analízis2-t meg kell előtte csinálni szerintem, hogy legalább a fogalmakkal tisztában legyen az ember mielőtt belevág (konvolúció, OOP paradigmák, stb.). Python-t az első laboron tanítanak, és ha már találkozott elég programnyelvvel az ember tényleg 1,5 óra alatt megtanulja. Nem foglalkoztam korábban a témával egy percet sem, de ez a tárgy nagyon megkedveltette velem.