कॉम्प्युटर व्हिजन समर सॅम्प – इंटेल समर स्कूल ऑन कॉम्प्युटर व्हिजन

3 जुलै ते 16 जुलै पर्यंत निझनी नोव्हगोरोड राज्य विद्यापीठात. एन.आय. लोबाचेव्हस्कीने इंटेल इंटरयुनिव्हर्सिटी समर स्कूल ऑन कॉम्प्युटर व्हिजन - कॉम्प्युटर व्हिजन समर कॅम्पचे आयोजन केले, ज्यामध्ये 100 हून अधिक विद्यार्थ्यांनी भाग घेतला. शाळेचा उद्देश निझनी नोव्हगोरोड विद्यापीठातील तांत्रिक विद्यार्थ्यांसाठी होता ज्यांना संगणक दृष्टी, सखोल शिक्षण, न्यूरल नेटवर्क, इंटेल ओपनवीनो, ओपनसीव्हीमध्ये रस आहे.

या लेखात आम्ही शाळेसाठी निवड कशी झाली, त्यांनी काय अभ्यास केला, विद्यार्थ्यांनी प्रात्यक्षिक भागामध्ये काय केले आणि संरक्षणात सादर केलेल्या काही प्रकल्पांबद्दल देखील बोलू.

निवड प्रक्रिया आणि सहभागाचे प्रकार

आम्ही मुलांना दोन प्रकारच्या शिक्षणासाठी अर्ज करण्याचा पर्याय देण्याचा निर्णय घेतला: पूर्णवेळ आणि अर्धवेळ. अर्धवेळ आणि अर्धवेळ अभ्यासक्रमांसाठी, विद्यार्थ्यांनी निवड केली नाही आणि लगेचच नोंदणी केली गेली. ते आठवड्याच्या दिवशी, सकाळी फक्त व्याख्यानांना उपस्थित होते. मुलांना व्यावहारिक कामे पूर्ण करून त्यांना पाठवण्याची संधीही मिळाली GitHub शिक्षकांच्या चाचणीसाठी.

पूर्णवेळ परीक्षेसाठी पात्र होण्यासाठी, मुलांना आयोगाच्या मुलाखतीसाठी इंटेल कार्यालयात यावे लागले. अर्धवेळ आणि अर्धवेळ फॉर्ममधील फरक असा होता की, व्याख्यानांव्यतिरिक्त, शिबिरातील सहभागींनी क्युरेटर्स - UNN शिक्षक आणि इंटेलमधील अभियंते यांच्यासोबत व्यावहारिक कार्ये केली. दुसऱ्या आठवड्यात, व्यावहारिक असाइनमेंट संपले आणि प्रकल्प सुरू झाले, ज्यावर सहभागींनी 3 लोकांच्या गटात काम केले.

मुलाखती दरम्यान, विद्यार्थ्यांना गणित आणि प्रोग्रामिंग बद्दल प्रश्न विचारण्यात आले आणि एक समस्या देखील देण्यात आली जी जागेवर सोडवावी लागेल. हे लक्षात घेण्यासारखे आहे की कमिशनमध्ये सॉफ्टवेअर अभियंते, अल्गोरिदम अभियंते आणि विद्यापीठातील शिक्षकांचा समावेश होता. एन.आय. लोबाचेव्हस्की, म्हणून मुलाखत बहुआयामी आणि विलक्षण ठरली. मुलाखतकाराच्या दृष्टिकोनातून, संगणकाच्या दृष्टीच्या संबंधात विद्यार्थ्यांचे मूलभूत तांत्रिक ज्ञान जाणून घेणे मनोरंजक होते, त्यामुळे C++/STL, OOP, मूलभूत अल्गोरिदम आणि डेटा स्ट्रक्चर्स, रेखीय बीजगणित, गणितीय विश्लेषण, स्वतंत्र गणित आणि बरेच काही विचारले गेले. कामांमध्ये, विद्यार्थ्यांचे तर्क शोधणे हे प्राधान्य होते. त्यांनी कुठे अभ्यास केला, या शाळेपूर्वी त्यांना कोणता अनुभव होता (उदाहरणार्थ, वैज्ञानिक क्रियाकलाप) आणि ते थेट संगणकाच्या दृष्टीच्या क्षेत्रात कसे लागू केले जाऊ शकते याबद्दल आयोगाला रस होता.

एकूण 78 विद्यार्थ्यांनी पूर्णवेळ निवडीसाठी भाग घेतला, तर 24 पूर्णवेळ जागा होत्या. स्पर्धा प्रति ठिकाणी 3 विद्यार्थी होती. सहभागींची आकडेवारी आणि पूर्ण-वेळ आणि अर्ध-वेळ सहभागाच्या प्रकारांमधील दृश्य फरक खालील तक्त्यामध्ये पाहिले जाऊ शकतात:

मुलांनी 2 आठवडे काय केले?

विद्यार्थ्यांना संगणकीय दृष्टीच्या मुख्य कार्यांसह सिद्धांत आणि सरावाने परिचित झाले: प्रतिमा वर्गीकरण, ऑब्जेक्ट शोधणे आणि त्यांचा मागोवा घेणे. प्रत्येक विषयाच्या व्याख्यानाच्या घटकामध्ये सामान्यतः संगणकाच्या दृष्टी समस्यांचे निराकरण करण्यासाठी शास्त्रीय पद्धती आणि मशीन लर्निंग आणि न्यूरल नेटवर्क वापरून सोडवण्याच्या आधुनिक पद्धतींच्या विकासासाठी ऐतिहासिक सहल समाविष्ट असते. सिद्धांताचा सराव केला गेला, जिथे विद्यार्थ्यांनी लोकप्रिय न्यूरल नेटवर्क मॉडेल डाउनलोड केले आणि त्यांना OpenCV लायब्ररीचे DNN मॉड्यूल वापरून लॉन्च केले, एक सानुकूल अनुप्रयोग तयार केला.

सर्व व्याख्यानांचे सादरीकरण सार्वजनिक भांडारात पोस्ट केले गेले जिथूब, जेणेकरून विद्यार्थी नेहमी उघडू शकतील आणि शाळेनंतर आवश्यक माहिती पाहू शकतील. व्याख्याते, सराव शिक्षक आणि इंटेल अभियंते यांच्याशी थेट आणि गिटरवर चॅटद्वारे संवाद साधणे शक्य होते. प्रकल्प आठवड्याची वेळ देखील यशस्वी ठरली: त्याची सुरुवात बुधवारी झाली, ज्यामुळे कार्यसंघ निर्णय सुधारणे, व्याख्यानांपासून मुक्त शनिवार व रविवार घालवणे शक्य झाले. सर्वात जबाबदार सहभागींनी शनिवारचा अर्धा वेळ इंटेल कार्यालयात घालवला, ज्यासाठी त्यांना त्याच दिवशी अनियोजित सहलीने पुरस्कृत केले गेले.

प्रकल्पांचे संरक्षण कसे होते?

प्रकल्पादरम्यान त्यांनी काय केले आणि ते काय आले याबद्दल बोलण्यासाठी प्रत्येक संघाला 10 मिनिटे देण्यात आली. या वेळेनंतर, 5 मिनिटे सुरू झाली, त्या दरम्यान कंपनीच्या अभियंत्यांनी मुलांना प्रश्न विचारले आणि त्यांना त्यांच्या प्रकल्पात सुधारणा करण्यास किंवा भविष्यात विद्यमान चुका टाळण्यास मदत करतील अशा छोट्या टिप्स दिल्या. प्रत्येक मुलाने वक्ता म्हणून स्वत: चा प्रयत्न केला, संगणकाच्या दृष्टीच्या क्षेत्रातील त्यांचे ज्ञान प्रदर्शित केले आणि प्रकल्पाच्या निर्मितीमध्ये त्यांच्या योगदानाची पुष्टी केली, ज्यामुळे आम्हाला शाळेतील प्रत्येक सहभागीबद्दल विचार करण्यात आणि निष्कर्ष काढण्यात मदत झाली. बचाव 3 तासांहून अधिक काळ झाला, परंतु आम्ही मुलांची काळजी घेतली आणि एका लहान कॉफी ब्रेकने तणाव कमी केला, जेथे मुले श्वास घेऊ शकतात आणि प्रमुख इंटेल तज्ञांशी चर्चा करू शकतात.

दिवसाच्या शेवटी, आम्ही एक प्रथम, दोन द्वितीय आणि तीन तृतीय क्रमांक दिले. ते निवडणे खूप कठीण होते, कारण प्रत्येक संघ, प्रत्येक प्रकल्पाची स्वतःची चव होती आणि सादरीकरणाच्या मौलिकतेने ते वेगळे होते.

पूर्ण-वेळ सीव्ही कॅम्प सहभागी, प्रकल्प संरक्षण, निझनी नोव्हगोरोडमधील इंटेल कार्यालय

प्रकल्प सादर केले

स्मार्ट हातमोजा

स्पेसमध्ये व्हिज्युअल नेव्हिगेशनसाठी OpenCV वापरून डिटेक्टर आणि ट्रॅकर वापरणे. टीमने दोन कॅमेरे वापरून डेप्थ सेन्सिंग क्षमता देखील जोडली आहे. Microsoft Speech API हे व्यवस्थापन इंटरफेस म्हणून वापरले जाते.

रिसेप्टर

अन्न शोधणे आणि सापडलेल्या घटकांसह तयार डिशसाठी रेसिपीची निवड. मुलांना या कामाची भीती वाटली नाही आणि एका आठवड्याच्या आत त्यांनी स्वतःहून पुरेशा प्रमाणात प्रतिमा तयार केल्या, टेन्सरफ्लो ऑब्जेक्ट डिटेक्शन API वापरून डिटेक्टरला प्रशिक्षित केले आणि रेसिपी शोधण्यासाठी तर्क जोडले. साधे आणि चवदार!

संपादक 2.0

प्रोजेक्ट सहभागींनी चेहऱ्याच्या ओळखीसाठी न्यूरल नेटवर्क्सचा एक संच (चेहरा शोध, मुख्य बिंदूंद्वारे चेहर्यावरील प्रतिमेचे सामान्यीकरण, चेहरा प्रतिमा वर्णनकर्त्याची गणना) वापरल्या गेलेल्या लांब व्हिडिओंमध्ये तुकड्यांचा शोध घेण्याच्या कार्याचा एक भाग म्हणून एक विशिष्ट व्यक्ती आहे. उपस्थित. विकसित प्रणालीचा वापर व्हिडिओ संपादनासाठी सहाय्यक प्रणाली म्हणून केला जाऊ शकतो, एखाद्या व्यक्तीला आवश्यक तुकड्यांच्या शोधात स्वतः व्हिडिओ पाहण्यापासून मुक्त करते. पासून न्यूरल नेटवर्क वापरणे OpenVINO मॉडेल लायब्ररी, टीमने ऍप्लिकेशनची उच्च गती प्राप्त करण्यास व्यवस्थापित केले: इंटेल कोर i5 प्रोसेसर असलेल्या लॅपटॉपवर, व्हिडिओ प्रोसेसिंगची गती 58 फ्रेम प्रति सेकंद होती.

अनामिक

एखाद्या व्यक्तीच्या चेहऱ्यावर चष्मा आणि मास्क काढणे. MTCNN नेटवर्कचा वापर चेहरे आणि प्रमुख बिंदू शोधण्यासाठी केला गेला.

अनामिक

ओळख लपवण्याच्या विषयावर आणखी एक मनोरंजक काम. या टीमने चेहरे विकृत करण्यासाठी अनेक पर्याय सादर केले: ब्लरिंग आणि पिक्सेलेशन. एका आठवड्यात, मुलांनी केवळ कार्यच शोधून काढले नाही तर एखाद्या विशिष्ट व्यक्तीला (चेहऱ्याच्या ओळखीसह) अनामित करण्यासाठी एक मोड देखील प्रदान केला.

हलकी सुरुवात करणे

“वॉर्म-अप” प्रोजेक्ट टीमने डोके टिल्ट व्यायामासाठी क्रीडा सहाय्यक तयार करण्याची समस्या सोडवली. आणि जरी या ऍप्लिकेशनचा अंतिम अनुप्रयोग अद्याप विवादास्पद असला तरीही, विविध फेस डिटेक्शन अल्गोरिदमची तुलना करून एक व्यापक अभ्यास केला गेला: हार कॅस्केड्स, टेन्सरफ्लो, ओपनसीव्ही आणि ओपनव्हीनोचे नेटवर्क. आम्ही केवळ शारीरिकच नव्हे तर मानसिकदृष्ट्या देखील उबदार झालो!

800 कमी

निझनी नोव्हगोरोड, जिथे शाळा झाली ते शहर 2 वर्षांत 800 वर्षांचे होईल, याचा अर्थ असा की एक मनोरंजक प्रकल्प राबविण्यासाठी पुरेसा वेळ आहे. इमारतींच्या दर्शनी भागाच्या प्रतिमेच्या आधारे, प्रतिमेमध्ये कोणत्या प्रकारची वस्तू दर्शविली आहे आणि त्याबद्दल कोणते तथ्य ज्ञात आहे याबद्दल माहिती देऊ शकेल असा मार्गदर्शक तयार करण्याच्या कार्याबद्दल आम्ही मुलांना विचार करण्यास सांगितले. आमच्या मते, हे कार्य सर्वात कठीण होते, कारण ते शास्त्रीय संगणक दृष्टीशी संबंधित आहे, परंतु संघाने एक सभ्य परिणाम दर्शविला.

रॉक पेपर कात्री

डिझाईनचे काम पूर्ण करण्यासाठी वेळेची कठोर मर्यादा असूनही, या टीमला सुप्रसिद्ध गेममध्ये हाताच्या पोझिशन्सचे वर्गीकरण करण्यासाठी त्यांच्या स्वत: च्या न्यूरल नेटवर्कला प्रशिक्षित करण्यासाठी प्रयोग करण्यास देखील घाबरले नाही.

सहभागींकडून अभिप्राय

आम्ही वेगवेगळ्या अभ्यासक्रमातील विद्यार्थ्यांना समर स्कूलबद्दलची त्यांची छाप सामायिक करण्यास सांगितले:

नुकतेच इंटेल कॉम्प्युटर व्हिजन समर कॅम्पला उपस्थित राहण्याचे भाग्य मला लाभले आणि हा एक अद्भुत अनुभव होता. आम्ही सीव्ही, सॉफ्टवेअर इन्स्टॉलेशन, डीबगिंग या क्षेत्रात बरेच नवीन ज्ञान आणि कौशल्ये मिळवली, आम्ही कामाच्या वातावरणात देखील मग्न होतो, वास्तविक समस्यांचा सामना केला, सहकारी आणि शाळेतील शिक्षकांशी संभाव्य उपायांवर चर्चा केली. अशी एक समज आहे की प्रोग्रामरची नोकरी केवळ संगणकाशी संप्रेषण करणे समाविष्ट आहे. मात्र, असे अजिबात नाही. आमचे सर्जनशील कार्य लोकांशी संवाद साधण्यापासून अविभाज्य आहे. संवादातूनच अनोखे ज्ञान मिळू शकले. आणि मला शाळेचा हा घटक सर्वात जास्त आवडला. तथापि, एक कमतरता आहे... प्रशिक्षण पूर्ण केल्यानंतर मला पुढे चालू ठेवायचे होते! DL मधील सैद्धांतिक ज्ञान आणि CV मधील व्यावहारिक कौशल्यांव्यतिरिक्त, मला गणिताच्या कोणत्या क्षेत्रांवर विशेष लक्ष दिले पाहिजे आणि कोणत्या तंत्रज्ञानाचा अभ्यास केला पाहिजे याची कल्पना मिळाली. इंटेल अभियंते आणि संशोधकांचे त्यांच्या कामाबद्दलचे समर्पण, व्यावसायिकता आणि प्रेम यामुळे माझ्या आयटीमधील दिग्दर्शनाच्या निवडीवर परिणाम झाला. यासाठी मी शाळेच्या सर्व आयोजकांचे आभार मानतो.

क्रिस्टीना, 1ले वर्ष, HSE

एवढ्या कमी वेळात संगणक दृष्टी या विषयावर शाळेला जास्तीत जास्त माहिती आणि सराव करता आला. आणि जरी ते मूलभूत ज्ञानासाठी डिझाइन केले गेले असले तरी, व्याख्यानांमध्ये बरीच तांत्रिक सामग्री आहे जी तुम्हाला समजून घ्यायची आहे आणि अभ्यासासाठी अधिक वेळ घालवायचा आहे. शाळेच्या मार्गदर्शकांनी आणि व्याख्यात्यांनी सर्व प्रश्नांची उत्सुकतेने उत्तरे दिली आणि विद्यार्थ्यांशी संवाद साधला. बरं, अंतिम प्रकल्प पूर्ण करताना, मला एक तयार केलेला अर्ज विकसित करण्याच्या जंगलात डुंबावं लागलं आणि अभ्यास करताना नेहमी उद्भवणाऱ्या अडचणींचा सामना करावा लागला. आमच्या टीमने शेवटी संगणकासह “रॉक-पेपर-सिझर्स” गेम खेळण्यासाठी अर्ज केला. आम्ही वेबकॅमवरील आकृती ओळखण्यासाठी मॉडेलला प्रशिक्षण दिले, तर्कशास्त्र लिहिले आणि opencv फ्रेमवर्कवर आधारित इंटरफेस बनवला. शाळेने विचारांसाठी अन्न आणि त्यानंतरच्या शिक्षण आणि विकासासाठी वेक्टर प्रदान केले. मी भाग घेतला याचा मला खूप आनंद झाला.

सर्जी, 3रे वर्ष, UNN

शाळेने माझ्या अपेक्षेप्रमाणे पूर्ण केले नाही. व्याख्याने इंटेल डेव्हलपर्समधील बर्‍यापैकी अनुभवी लोकांनी दिली होती. व्याख्यात्यांसोबत संवाद नेहमीच मनोरंजक आणि उपयुक्त आहे, मार्गदर्शक प्रतिसाद देणारे आणि मदतीसाठी नेहमी तयार असतात. व्याख्याने ऐकण्यास आनंददायी असतात, विषय अतिशय संबंधित आणि माहितीपूर्ण असतात. परंतु मला काही गोष्टी आधीच माहित होत्या, आणि ज्या मला माहित नाहीत त्या कोणत्याही प्रकारे सरावाने समर्थित नाहीत, आणि म्हणूनच खरोखर चांगली सामग्री मला कधीही पूर्णपणे समजली नाही आणि त्याचा अभ्यास केला गेला नाही. होय, बहुतेक माहिती माहितीच्या उद्देशाने प्रदान केली गेली आहे, जेणेकरुन तुम्ही ती घरी वापरून पाहू शकता किंवा हे सर्व काय आहे याची कल्पना करू शकता, परंतु तरीही मला स्वतःहून काही विद्यमान अल्गोरिदम लागू करायचे आहेत. अनुभवी शिक्षकांचे पर्यवेक्षण जे चांगले सल्ला देऊ शकतात किंवा काही झाले तर मदत करू शकतात. परिणामी, सराव मध्ये, तयार-तयार उपाय वापरले गेले, आणि कोड, एक म्हणू शकतो, आमच्यासाठी पूर्व-लिखीत होता; फक्त किंचित सुधारित करणे आवश्यक आहे. प्रकल्प सर्वात सोपा होते, आणि जर तुम्ही एखाद्या मार्गाने कार्य क्लिष्ट करण्याचा प्रयत्न केला, तर आमच्या बाबतीत घडल्याप्रमाणे ते कमी-अधिक स्थिर स्थितीत लागू करण्यासाठी तुमच्याकडे पुरेसा वेळ नाही.
सर्वसाधारणपणे, संपूर्ण शाळा विकसकांच्या काही गंभीर खेळासारखी दिसते आणि ही व्यावहारिक भागाची तंतोतंत चूक आहे. मला वाटते की शाळेत घालवलेला वेळ वाढवणे आवश्यक आहे, सराव सामग्री क्लिष्ट करणे आवश्यक आहे जेणेकरुन तुम्ही स्वतः काहीतरी लिहू शकता, काहीतरी खरोखर क्लिष्ट आणि आवश्यक आहे, आणि सराव वाढवण्यासाठी सुरळीतपणे तयार केलेले वापरु नका. क्लिष्टता, स्पर्धा प्रकल्पांचे विषय पहिल्या दिवसांत दिले जावेत, जेणेकरून व्याख्याने आणि सरावांमधील सामग्री तुमच्या प्रकल्पांमध्ये त्वरित वापरली जाऊ शकते आणि अंमलबजावणीसाठी अधिक वेळ मिळेल. मग शाळेत घालवलेला वेळ महत्वाकांक्षी तज्ञांसाठी एक चांगला अनुभव म्हणून काम करेल.

दिमित्री, प्रथम वर्ष पदव्युत्तर पदवी, NSTU

इंटेल कडील उन्हाळी शाळा हा उन्हाळा तुम्हाला आवडते ते करण्यात घालवण्याची उत्तम संधी होती. कॉम्प्युटर व्हिजनच्या क्षेत्रातील प्रोग्रामिंगशी संबंधित इंटेल कर्मचार्‍यांनी दिलेली व्याख्याने मला आराम करू देत नाहीत; मला संपूर्ण प्रक्रियेतून जास्तीत जास्त फायदा मिळवायचा होता, जरी ते कधीकधी कठीण होते. प्रत्येक दिवस अतिशय जलद, अगोचर आणि फलदायीपणे गेला. माझ्या स्वतःच्या प्रकल्पाची अंमलबजावणी करण्याच्या संधीमुळे मला आश्चर्यकारक क्युरेटर्स आणि इतर शाळेतील सहभागींसह कार्य करण्याची परवानगी मिळाली. या दोन आठवड्यांचे थोडक्यात वर्णन खालीलप्रमाणे केले जाऊ शकते: मनोरंजक आणि क्षणभंगुर.

एलिझावेटा, द्वितीय वर्ष, यूएनएन

शरद ऋतूतील (ऑक्टोबर-नोव्हेंबर), डेल्टा शैक्षणिक कार्यक्रम तुमची वाट पाहत आहे, ज्याची माहिती तुम्ही आमच्या वरून शोधू शकता व्हीकॉन्टाक्टे गट. संपर्कात रहा!

स्त्रोत: www.habr.com