„Deep learning alkalmazása a vizuális informatikában” változatai közötti eltérés

A VIK Wikiből
Újabb szerkesztés →
VizuálisWikiszöveges
Csia Klaudia Kitti (vitalap | szerkesztései)
felületadminisztrátorok, oauth2, smwadministrator, smwcurator, adminisztrátorok, upwizcampeditors
1 846 szerkesztés
Oldal készítése.
 
54. sor: 54. sor:


== Házi feladat ==
== Házi feladat ==
* ..
===2021. tavasz===
Idén 4 kisházi volt, amik opcionálisak voltak a jó jegyért. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond.
A kisházik témái:
- gépi tanulás alapműveletei, egyszerű architektúrák (konvolúció, lossok, konvolúciós hálók)
- CUDA kernelek, többszintű kernelek, algoritmusok
- paraméterezhető hálók, optimalizáció, technikák eredmény pontosság növelésére
- bemeneti adathalmaz előállítás, képtranszformációk utáni teljesítmény elemzés


== Laboratórium ==
== Laboratórium ==

A lap 2021. augusztus 30., 23:14-kori változata

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 sikeres leadása.
  • 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, amik opcionálisak voltak a jó jegyért. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond. A kisházik témái: - gépi tanulás alapműveletei, egyszerű architektúrák (konvolúció, lossok, konvolúciós hálók) - CUDA kernelek, többszintű kernelek, algoritmusok - paraméterezhető hálók, optimalizáció, technikák eredmény pontosság növelésére - bemeneti adathalmaz előállítás, képtranszformációk utáni teljesítmény elemzés

Laboratórium

1. Labor

  • ...

Vizsga

  • ...
A lap eredeti címe: „https://vik.wiki/index.php?title=Deep_learning_alkalmazása_a_vizuális_informatikában&oldid=201037”