Запись на курс
Запись на курс закрыта.
Лекторы
Сорокин Дмитрий Васильевич
Расписание
Весенний семестр 2026 года: с 17.02 по вторникам в 14:35, ауд. 579.
Критерии получения оценок на экзамене
В курсе будет 2 практических задания.
По итогам выполнения заданий будет сформирован leaderboard.
Экзамен будет проходить в устной форме. В каждом билете 2 вопроса.
Будет контролироваться посещаемость. В случае пропуска более 2 лекций пропадает возможность получить "автомат".
Для 3 и 4 курса бакалавриата и 1 курса магистратуры
В случае отсутствия выполненных заданий - максимальная оценка на экзамене "хорошо".
В случае выполнения одного задания - максимальная оценка на экзамене "отлично".
В случае выполнения двух заданий и попадания в TOP-50% leaderboard - студент получает "отлично" и освобождается от экзамена ("автомат").
Для 2 курса магистратуры
В случае выполнения одного задания и наличия не более 2 пропусков лекций - студент получает "зачет автомат" и освобождается от экзамена.
В остальных случаях "зачет" будет выставляться по итогам устного экзамена.
Лекции
- Лекция 1: Метод активных контуров для сегментации изображений [TBA]
- Лекция 2: Введение в методы линий уровня (level sets) и алгоритм "быстрого марширования" (fast marching) [TBA]
- Лекция 3: Численные методы для линий уровня (level sets) и геодезические активные контуры [TBA]
- Лекция 4: Метод активных контуров без использования границ (минимизация функционала Chan-Vese) [TBA]
- Лекция 5: Обучаемые активные контуры [TBA]
- Лекция 6: Некорректные задачи в обработке изображений [TBA]
- Лекция 7: Методы регуляризации. Полная вариация. [TBA]
- Лекция 8: Численные методы минимизации регуляризирующих функционалов [TBA]
- Лекция 9: Основы совмещения изображений [TBA]
- Лекция 10: Нейросетевые методы совмещения изображений [TBA]
Материалы
- Методическое пособие Насонов А.В., Крылов А.С. "Регуляризирующие методы повышения качества изображений" [PDF]
- Методическое пособие Сорокин Д.В., Крылов А.С. "Метод активных контуров для сегментации изображений" [PDF]
Задания
Два практических задания, обязательных к выполнению: одно по восстановлению изображений, второе — по активным контурам.
Язык программирования — Python 3.
Сдача происходит через Telegram, задания присылать @yakefu
В сообщении укажите номер задания, ФИО и номер группы (например, "Задание 1. Пупкин Василий Васильевич 401").
Требования к программам
- Язык программирования: Python 3. На системе для тестирования установлен Python 3.13.7 с дополнительными пакетами numpy 2.2.6, scipy 1.16.1, scikit-image 0.25.2, opencv-python 4.12.0.88.
- Интерфейс: программа должна поддерживать интерфейс командной строки со строгим соблюдением формата входных данных, описанном в каждом задании. Входные параметры при тестировании программы будут всегда корректны, валидация входных параметров не требуется, за исключением отдельно указанных случаев в заданиях.
- Допустимо и рекомендуется использовать платформенно-независимые библиотеки для чтения и сохранения изображений (например, skimage.io и imageio), для вспомогательных операций (векторные операции, свёртка; например, numpy и scipy), для разбора параметров командной строки (например, argparse).
- Недопустимо использование библиотечных функций, решающих задачу целиком.
- Недопустимо выполнение побочных действий, таких как создание временных файлов, отладочный вывод в консоль, открытие диалоговых окон и т.д.
- При сохранении изображений не забывайте перевести его в диапазон 0-255, обрезать выходящие за него значения и округлить значения пикселей.
Список вопросов к экзамену
Будет выложен позже.
Литература
- А.В.Насонов, А.С.Крылов. Регуляризирующие методы повышения качества изображений: учебно-методическое пособие, М.: МАКС Пресс, 2022, 28 с.
- Д.В.Сорокин, А.С.Крылов. Метод активных контуров для сегментации изображений: учебно-методическое пособие, М.: МАКС Пресс, 2022, 16 с.
- S. Osher, R. Fedkiw. Level Set Methods and Dynamic Implicit Surfaces. Springer 2003.
- S. Osher, N. Paragios. Geometric Level Set Methods in Imaging, Vision, and Graphics. Springer 2003.
- R. Kimmel. Numerical Geometry of Images: Theory, Algorithms, and Applications. Springer 2004.
- E. Sakhaee. A Tutorial on Active Contours. 2014.
- L. A. Vese, C. Le Guyader. Variational methods in image processing. CRC Press 2015.
- А.Н.Тихонов, В.Я.Арсенин. Методы решения некорректных задач, М.: Наука, 1979, 288 с.
- С.Малла. Вейвлеты в обработке сигналов, Пер. с англ. М.: Мир, 2005, 671 с.
- В.В.Васин. О связи некоторых вариационных методов приближённого решения некорректных задач, Математические заметки, т. 7, №3, 1970, с. 265-272.
- Stephen Boyd, Almir Mutapcic. Subgradient Methods. Notes for EE364b, Stanford University, Winter 2006-07.
- Ilya Sutskever, et al. On the importance of initialization and momentum in deep learning. ICML Vol. 3, No. 28, pp. 1139-1147, 2013.
