- Построение с помошью простых нейронных сетей, типа Sequential и полносвязными слоями, регрессионной модели.
- Задача Прогнозирование цилиндрической змеи в 3d с помощью разного количества Dense слоёв.
- С использованием предобученных нейронных сетей, которые необходимо дообучить на своих данных, получить вектора фичей, для которых использовать стандартные алгоритмы машинного обучения.
- Задача С помощью сети VGG16 получается вектор фичей для набора Fashion MNIST, который кластеризуется с помощью KMeans.
- Классификатор с помощью чисто нейронных сетей.
- Задача С помощью добавления слоев к VGG и обучения на данных Fashion MNIST сделать нейронную сеть, которая классифицирует одежду.
- Используя разные нейронные сети для работы с изображениями, написать алгоритм определения объекта на изображении. Нарисовать прямоугольную рамку и класс объекта на изображении.
- Задача С помошью сети YOLO, обученной на данных одежды, написан алгоритм выделяющий рамкой одежду на изображении с категорией и вероятностью.
- Сегментация изображение. Обведение контура объекта на изображении.
- Задача Сегментация одежды с помощью нейронной сети Unet и получение масок изображений.
- Генерация изображения. Обучение в нейронной сети GAN дискриминатора и генератора итеративно каждый по очереди.
- [] Задача
| Задача | Данные | Откуда |
|---|---|---|
| 1 | Синтетическое облако точек | Генерируется в ноутбуке функцией cylinder(), ничего скачивать не нужно |
| 2 | Fashion-MNIST | Скачивается автоматически: tf.keras.datasets.fashion_mnist.load_data() |
| 3 | Fashion-MNIST | То же самое |
| 4 | Colorful Fashion Dataset for Object Detection (10 классов одежды, YOLO-разметка) | Kaggle |
| 5 | People Clothing Segmentation (1000 изображений, 59 классов, маски) | Kaggle |
Предобученные веса (VGG16 ImageNet, yolov8m.pt, EfficientNet-B4 ImageNet) скачиваются
автоматически при первом запуске — нужен интернет.
Нужен Kaggle API-токен в ~/.kaggle/kaggle.json.
pip install kaggle
# Задача 4
kaggle datasets download -d nguyngiabol/colorful-fashion-dataset-for-object-detection \
-p data/colorful_fashion --unzip
# Задача 5
kaggle datasets download -d rajkumarl/people-clothing-segmentation \
-p data/people_clothing --unzipNeural-Network-algorithm/
├── data/
│ ├── colorful_fashion/
│ │ ├── JPEGImages/ # *.jpg
│ │ ├── Annotations_txt/ # *.txt в формате YOLO
│ │ └── ImageSets/Main/
│ │ ├── trainval.txt
│ │ └── test.txt
│ └── people_clothing/
│ ├── labels.csv
│ ├── jpeg_images/IMAGES/ # *.jpeg
│ └── jpeg_masks/MASKS/ # *.jpeg
├── examples/ # свои картинки для инференса (в репозитории)
└── notebooks/
Если данные лежат в другом месте, путь можно переопределить переменной окружения:
export DATA_DIR=/path/to/data # Windows: set DATA_DIR=D:\data
jupyter notebookЗадачи 1–3 используют TensorFlow, задачи 4–5 — PyTorch. Ставить лучше в разные окружения:
pip install -r requirements-tf.txt # задачи 1-3
pip install -r requirements-torch.txt # задачи 4-5Со спецкурсом можно ознакомиться по ссылке:https://scs.math.msu.ru/ru/node/5618
Сайт автора курса:http://машинноезрение.рф/