De la 3-a de julio ĝis la 16-a de julio en la Ŝtata Universitato de Niĵnij Novgorod. N.I. Lobachevsky gastigis la Intel-Interuniversitatan Someran Lernejon pri Komputila Vizio - Komputila Vida Somera Tendaro, en kiu partoprenis pli ol 100 studentoj. La lernejo celis teknikajn studentojn de universitatoj de Niĵnij Novgorod, kiuj interesiĝas pri komputila vizio, profunda lernado, neŭralaj retoj, Intel OpenVINO, OpenCV.
En ĉi tiu artikolo ni dividos kiel okazis la elekto por la Lernejo, kion ili studis, kion faris la studentoj en la praktika parto, kaj ankaŭ parolos pri kelkaj el la projektoj prezentitaj ĉe la defendo.
Selektado kaj formoj de partopreno
Ni decidis doni al la infanoj la elekton peti du formojn de edukado: plentempa kaj partatempa. Por partatempaj kaj partatempaj kursoj, studentoj ne spertis elekton kaj tuj estis enskribitaj. Ili ĉeestis nur prelegojn, en labortagoj, matene. La infanoj ankaŭ havis la ŝancon plenumi praktikajn taskojn kaj sendi ilin al por testado de instruistoj.
Por kvalifiki por la plentempa ekzameno, la uloj devis veni al la Intel-oficejo por intervjuo kun la komisiono. La diferenco de la partatempa kaj partatempa formo estis ke, krom prelegoj, tendaraj partoprenantoj travivis praktikajn taskojn kun kuratoroj - UNN-instruistoj kaj inĝenieroj de Intel. En la dua semajno finiĝis praktikaj taskoj kaj komenciĝis projektoj, pri kiuj partoprenantoj laboris en grupoj de 3 homoj.
Dum la intervjuo, studentoj estis demanditaj pri matematiko kaj programado, kaj ankaŭ ricevis problemon kiu devis esti solvita surloke. Indas noti, ke la komisiono konsistis el programaro-inĝenieroj, algoritmaj inĝenieroj kaj universitataj instruistoj. N.I. Lobachevsky, do la intervjuo montriĝis multfaceta kaj eksterordinara. El la vidpunkto de la intervjuanto, estis interese ekscii la bazajn teknikajn sciojn de la studentoj rilate al komputila vizio, do temoj kiel C++/STL, OOP, bazaj algoritmoj kaj datumstrukturoj, lineara algebro, matematika analizo, diskreta matematiko kaj oni demandis multe pli. Inter la taskoj, la prioritato estis ekscii la rezonadon de la studentoj. La komisiono interesiĝis ankaŭ pri kie ili studis, kian sperton ili havis antaŭ ĉi tiu lernejo (ekzemple scienca agado) kaj kiel ĝi povus esti aplikata rekte al la kampo de komputila vizio.
En la plentempa elekto partoprenis entute 78 studentoj, dum estis plentempaj lokoj 24. La konkurso estis po 3 studentoj. Statistikoj pri partoprenantoj kaj vidaj diferencoj inter plentempaj kaj partatempaj formoj de partopreno povas esti viditaj en la tabelo malsupre:
Kion faris la infanoj dum 2 semajnoj?
Studentoj teorie kaj praktiko konatiĝis kun la ĉefaj taskoj de komputila vizio: bildklasifiko, objekta detekto kaj ilia spurado. La prelegkomponento por ĉiu temo kutime inkludis historian ekskurson en la evoluon de klasikaj metodoj por solvi komputilvidajn problemojn kaj modernajn metodojn de solvado per maŝinlernado kaj neŭralaj retoj. La teorio estis sekvita per praktiko, kie studentoj elŝutis popularajn neŭralajn modelojn kaj lanĉis ilin uzante la DNN-modulon de la OpenCV-biblioteko, kreante specialadaptitan aplikaĵon.
Prezentaĵoj de ĉiuj prelegoj estis afiŝitaj en publika deponejo , por ke studentoj ĉiam povu malfermi kaj vidi la necesajn informojn, inkluzive post lernejo. Eblis komuniki kun prelegantoj, praktikinstruistoj kaj Intel-inĝenieroj kaj vive kaj per babilejo sur Gitter. Sukcesis ankaŭ la tempo de la projekt-semajno: ĝi komenciĝis merkrede, kio ebligis utile pasigi la semajnfinon sen prelegoj, plibonigante teamajn decidojn. La plej respondecaj partoprenantoj pasigis duonon de la sabato en la oficejo de Intel, pro kio ili estis rekompencitaj per neplanita ekskurso en la sama tago.
Kiel estis la defendo de la projektoj?
Ĉiu teamo ricevis 10 minutojn por paroli pri tio, kion ili faris dum la projekto kaj kion ili venis. Post ĉi tiu tempo komenciĝis 5 minutoj, dum kiuj la inĝenieroj de la kompanio demandis al la uloj kaj donis malgrandajn konsiletojn, kiuj helpus ilin plibonigi sian projekton aŭ malhelpi ekzistantajn erarojn en la estonteco. Ĉiu el la uloj provis sin kiel parolanto, pruvante siajn sciojn en la kampo de komputila vizio kaj konfirmante sian kontribuon al la kreado de la projekto, kio helpis nin pripensi kaj tiri konkludon pri ĉiu partoprenanto en la lernejo. La defendo okazis dum 3 horoj, sed ni prizorgis la ulojn kaj malstreĉis la streĉiĝon per mallonga kafpaŭzo, kie la uloj povis spiri kaj diskuti problemojn kun ĉefaj Intel-specialistoj.
Fine de la tago, ni aljuĝis unu unuan, du duajn kaj tri triajn lokojn. Estis sufiĉe malfacile elekti, ĉar ĉiu teamo, ĉiu projekto havis sian propran guston kaj distingiĝis per sia originaleco de prezento.
Plentempaj CV Camp partoprenantoj, projektdefendo, Intel-oficejo en Niĵnij Novgorod
Prezentitaj projektoj
Saĝa ganto
Uzante detektilon kaj spurilon uzante OpenCV por vida navigado en spaco. La teamo krome aldonis profundecan kapablon uzante du fotilojn. La Microsoft Speech API estas uzata kiel administrada interfaco.
Ricevilo
Detekto de manĝaĵo kaj elekto de recepto por preta plado, inkluzive de la trovitaj ingrediencoj. La infanoj ne timis la taskon kaj ene de semajno ili markis sufiĉan nombron da bildoj memstare, trejnis la detektilon uzante la TensorFlow Object Detection API kaj aldonis logikon por trovi la recepton. Simpla kaj bongusta!
Redaktoro 2.0
La partoprenantoj de la projekto uzis aron da neŭralaj retoj (vizaĝserĉo, normaligo de la vizaĝbildo per ŝlosilaj punktoj, kalkulo de la vizaĝbildpriskribilo) por vizaĝrekono kadre de la tasko serĉi fragmentojn en longaj filmetoj en kiuj certa persono estas. ĉeestanta. La evoluinta sistemo povas esti uzata kiel helpsistemo por videoredaktado, liberigante homon de devi mem spekti la videon serĉante la necesajn fragmentojn. Uzante neŭralajn retojn de , la teamo sukcesis atingi altan rapidon de la aplikaĵo: sur tekkomputilo kun procesoro Intel Core i5, la rapido de prilaborado de video estis 58 kadroj por sekundo.
Anonimiganto
Desegni okulvitrojn kaj maskojn sur la vizaĝo de homo. La reto MTCNN estis uzata por detekti vizaĝojn kaj ŝlosilajn punktojn.
Anonima
Alia interesa verko pri la temo kaŝi identecon. Ĉi tiu teamo enkondukis plurajn eblojn por distordi vizaĝojn: malklarigado kaj pikselado. En unu semajno, la uloj ne nur eltrovis la taskon, sed ankaŭ disponigis reĝimon por anonimigi specifan personon (kun vizaĝa rekono).
Varmigu
La projektteamo "Warm-up" solvis la problemon pri kreado de sporta asistanto por la ekzerco pri kapkliniĝo. Kaj eĉ se la fina apliko de ĉi tiu aplikaĵo ankoraŭ estas polemika, ampleksa studo estis farita komparante diversajn vizaĝ-detektajn algoritmojn: Haar-kaskadoj, retoj de TensorFlow, OpenCV kaj OpenVINO. Ni varmiĝis ne nur fizike, sed ankaŭ mense!
Malsupre 800
Niĵnij Novgorod, la urbo kie okazis la lernejo, en 2 jaroj fariĝos 800 jarojn, kio signifas, ke estas sufiĉe da tempo por efektivigi interesan projekton. Ni petis la infanojn pensi pri la tasko krei gvidilon, kiu, surbaze de la bildo de la fasado de konstruaĵoj, povas doni informojn pri kia objekto estas montrita en la bildo kaj kiaj faktoj estas konataj pri ĝi. Laŭ nia opinio, ĉi tiu tasko estis unu el la plej malfacilaj, ĉar ĝi rilatas al klasika komputila vizio, sed la teamo montris decan rezulton.
Roka Papero Tondilo
Malgraŭ la striktaj tempolimoj por kompletigi la dezajnlaboron, ĉi tiu teamo ankaŭ ne timis fari eksperimenton por trejni sian propran neŭralan reton por klasifiki manpoziciojn en konata ludo.
Reago de partoprenantoj
Ni petis studentojn de malsamaj kursoj konigi siajn impresojn pri la Somera Lernejo:
Mi ĵus bonŝancis ĉeesti la Intel Computer Vision Someran Tendaron kaj ĝi estis mirinda sperto. Ni akiris multajn novajn sciojn kaj kapablojn en la kampo de CV, instalo de programaro, senararigado, ni ankaŭ estis mergitaj en labormedion, alfrontis verajn problemojn, diskutis eblajn solvojn kun kolegoj kaj lernejaj instruistoj.Estas mito, ke la laboro de programisto. konsistas nur el komunikado kun komputilo. Tamen, ĉi tio tute ne estas la kazo. Nia krea laboro estas nedisigebla de komunikado kun homoj. Estis per komunikado ke oni povis akiri unikan scion. Kaj mi plej ŝatis ĉi tiun komponanton de la lernejo. Tamen estas unu malavantaĝo... post la fino de la trejnado mi volis daŭrigi! Krom teoriaj scioj pri DL kaj praktikaj kapabloj en CV, mi akiris ideon pri kiuj areoj de matematiko devas esti speciale atentataj kaj kiuj teknologioj estu studataj. La dediĉo, profesiismo kaj amo por ilia laboro de Intel-inĝenieroj kaj esploristoj influis mian elekton de direkto en IT. Estas pro tio ke mi ŝatus danki ĉiujn organizantojn de la lernejo.
Kristina, 1-a jaro, HSE
En tiel mallonga tempo, la lernejo povis disponigi maksimumajn informojn kaj praktikon pri la temo de komputila vizio. Kaj kvankam ĝi estis desegnita por baza scio, la prelegoj enhavis multe da teknika materialo, kiun vi volas kompreni kaj pasigi pli da tempo por studi. La mentoroj kaj prelegantoj de la lernejo fervore respondis ĉiujn demandojn kaj komunikis kun studentoj. Nu, kompletigante la finan projekton, mi devis plonĝi en la ĝangalon disvolvi finitan aplikaĵon kaj renkonti malfacilaĵojn, kiuj ne ĉiam aperas dum studado. Nia teamo finfine faris aplikaĵon por ludi la ludon "roko-papero-tondilo" per komputilo. Ni trejnis modelon por rekoni figuron sur retkamerao, skribis logikon kaj faris interfacon bazitan sur la kadro opencv. La lernejo disponigis manĝaĵon por penso kaj vektoro por posta lernado kaj evoluo. Mi tre ĝojas, ke mi partoprenis.
Sergey, 3-a jaro, UNN
La lernejo ne tute plenumis miajn atendojn. La prelegoj estis faritaj de sufiĉe spertaj homoj de Intel-programistoj. Komunikado kun prelegantoj ĉiam estis interesa kaj utila, la mentoroj estas respondemaj kaj ĉiam pretaj helpi.La prelegoj estas agrablaj aŭskulteblaj, la temoj estas sufiĉe trafaj kaj informaj. Sed mi jam sciis kelkajn aferojn, kaj tiujn, kiujn mi ne konis, la praktiko neniel subtenis, kaj tial la vere bona materialo neniam estis plene komprenita kaj studita de mi. Jes, plej multaj informoj estas prezentitaj por informaj celoj, por ke vi tiam povu provi ĝin hejme, aŭ simple havi ideon pri kio temas, sed mi ankoraŭ volis efektivigi iujn ekzistantajn algoritmojn memstare sub la superrigardo de spertaj instruistoj, kiuj povas doni bonajn konsilojn aŭ helpon, se io okazas ne funkcias. Rezulte, en la praktiko, oni uzis pretajn solvojn, kaj la kodo, oni povus diri, estis antaŭskribita por ni; ĝi nur bezonis iomete modifi. La projektoj estis la plej simplaj, kaj se vi provas iel kompliki la taskon, tiam vi ne havas sufiĉe da tempo por efektivigi ĝin al pli-malpli stabila stato, kiel okazis ĉe ni.
Ĝenerale, la tuta lernejo aspektas kiel ia ne tre serioza ludo de programistoj, kaj ĉi tio estas ĝuste la kulpo de la praktika parto. Mi pensas, ke necesas pligrandigi la tempon en la lernejo, kompliki la praktikan materialon, por ke vi mem povu kaj devu skribi ion, ion vere kompleksan kaj necesan, kaj ne uzi pretajn, por ke la praktikado pli glata en pligrandiĝo. komplekseco, temoj por konkursaj projektoj estu disdonitaj en la unuaj tagoj, por ke la materialo el prelegoj kaj praktikoj estu tuj uzata en viaj projektoj kaj estos pli da tempo por efektivigo. Tiam la tempo pasigita en la lernejo servos kiel bona sperto por aspirantaj specialistoj.
Dmitry, 1-jara magistro, NSTU
Somera lernejo de Intel estis bonega ŝanco pasigi ĉi tiun someron farante tion, kion vi amas. La fakto mem, ke la prelegoj estis faritaj de Intel-dungitoj rilate al programado en la kampo de komputila vizio, ne permesis al mi malstreĉiĝi; mi volis profiti la plej grandan parton de la tuta procezo, kvankam ĝi estis foje malfacila. Ĉiu tago pasis tre rapide, nerimarkeble kaj fruktodone. La ŝanco efektivigi mian propran projekton permesis al mi labori en teamo kun mirindaj kuratoroj kaj aliaj lernejaj partoprenantoj. Tiuj ĉi du semajnoj povas esti mallonge priskribitaj jene: interesa kaj pasema.
Elizaveta, 2-a jaro, UNN
Aŭtune (oktobro-novembro) atendas vin la eduka programo Delta, informojn pri kiuj vi povas ekscii ĉe nia . Restu agordita!
fonto: www.habr.com