Ссылки по теме выпускной работы

Материалы магистров ДонНТУ

1. Егорова М.С. Подсистема интеллектуального анализа и обработки видео-информации в системах наблюдения

   Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

   Руководитель: к.т.н., доц. Мартыненко Т.В.

2. Коношенко В.О. Распределенная система идентификации личности посредством портретной экспертизы

   Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

   Руководитель: к.т.н., доц. Секирин А.И.

3. Медведев А.С. Исследование программной модели сверточной нейронной сети при распознавании лиц на снимках из видеопотока

   Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

   Руководитель: к.т.н., проф. Федяев О.И.

4. Сосенков А.Ю. Определение номерных знаков транспорта с помощью методов обработки изображений

   Описание: Персональный сайт на портале магистров ДонНТУ, 2015 г.

   Руководитель: к.т.н., доц. Секирин А.И.

5. Личканенко И.С. Исследование методов и поиск эффективного алгоритма для задачи распознавания номерных знаков транспортных средств

   Описание: Персональный сайт на портале магистров ДонНТУ, 2013 г.

   Руководитель: к.т.н., доц. Пчелкин В.Н.

6. Кулиш М.Н. Методы компьютерного зрения для отслеживания объектов в видеопотоке

   Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

   Руководитель: к.т.н., доц. Ладыженский Ю.В.

7. Животченко О.В. Разработка компьютерной системы обработки изображений с камер видеонаблюдения для определения номерного знака транспортного средства

   Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

   Руководитель: к.т.н., доц. Ярошенко Н.А.

8. Умяров Н.Х. Нейросетевая система распознавания лица на снимке из видеопотока

   Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

   Руководитель: к.т.н., доц. Федяев О.И.

9. Ларин Б.И. Методы отслеживания объектов в распределенной системе видеонаблюдения

   Описание: Персональный сайт на портале магистров ДонНТУ, 2011 г.

   Руководитель: к.т.н., доц. Ладыженский Ю.В.

10. Галиакберов Р.А. Алгоритмы отслеживания объектов в видеопотоках на параллельных вычислительных системах

    Описание: Персональный сайт на портале магистров ДонНТУ, 2011 г.

    Руководитель: к.т.н., доц. Ладыженский Ю.В.

Научные работы и статьи

11. Анализ методов распознавания эмоционального состояния человека для выявления аномального поведения в видеоаналитических системах

    Авторы: Мартыненко Т.В., Щербаков А.А., Боднар Б.В.

    Описание: В статье рассматривается методика обнаружения аномального состояния человека путем его эмоционального состояния и уровня напряженности. Представлен алгоритм обнаружения аномального поведения субъекта. Приведен обзор и классификация методов автоматического распознавания эмоций.

12. Deep Learning for Generic Object Detection: A Survey

    Авторы: Li Liu, Wanli Ouyang, Xiaogang Wang, Paul Fieguth, Jie Chen, Xinwang Liu, Matti Pietikäinen

    Описание: Цель статьи состоит в том, чтобы предоставить обзор самых последних достижений в области обнаружения (детектирования) объектов. В обзор включено более 300 исследовательских работ, охватывающих многие аспекты обнаружения объектов: структуры обнаружения, представление характеристик объектов, генерация предложений объектов, моделирование контекста, стратегии обучения и метрики оценки.

13. T-CNN: Tubelets with Convolutional Neural Networks for Object Detection from Videos

    Авторы: Kai Kang, Hongsheng Li, Junjie Yan, Xingyu Zeng, Bin Yang, Tong Xiao, Cong Zhang, Zhe Wang, Ruohui Wang, Xiaogang Wang, Wanli Ouyang

    Описание: В работе предлагается система глубокого обучения, которая включает временную и контекстную информацию, полученную в видео, что значительно повышает базовую производительность существующих структур обнаружения неподвижных изображений при их применении к видео, называемая T-CNN.

14. Simple Online and Realtime Tracking with a Deep Association Metric

    Авторы: Nicolai Wojke, Alex Bewley, Dietrich Paulus

    Описание: В статье рассматривается процесс отслеживания объектов в реальном времени (SORT). Авторы интегрируют информацию о внешнем виде для улучшения производительности SORT, благодаря чему появляется возможность ослеживать объекты в течение более длительных периодов окклюзии.

15. Нейросетевая модель распознавания человека по лицу в видеопоследовательности с оценкой полезности кадров

    Авторы: Никитин М.Ю., Конушин В.С., Конушин А.С.

    Описание: Данная работа посвящена задаче распознавания людей по лицу в видеопоследовательности. В работе предложена нейросетевая модель, которая для входного набора изображений лица человека строит компактное признаковое представление фиксированной размерности.

16. Трекинг объектов в видеопотоке на основе сверточных нейронных сетей и фрактального анализа

    Авторы: Минаев Е.Ю., Кутикова В.В., Никоноров А.В.

    Описание: В данной работе исследуется возможность применения методов фрактального сжатия для оценки близости детекций объектов при решении задачи трекинга. При этом сами детекции объектов требуемых классов получаются на каждом кадре при помощи сверточной нейронной сети YOLOv2.

17. Выявление действий на видео с помощью рекуррентных нейронных сетей

    Авторы: Буйко А.Ю, Виноградов А.Н.

    Описание: В настоящей работе рассмотрено применение методов компьютерного зрения и рекуррентных нейронных сетей для решения задачи выявления и классификации действий на видео. В статье приводится описание подхода, применённого авторами для анализа видеофайлов.

18. Сравнительный анализ методов распознавания лиц для использования в подсистеме идентификации личности

    Авторы: Коношенко В.О., Привалов М.В.

    Описание: Рассмотрены основные этапы обработки видеопотока в системе распознавания лиц. Произведена сравнительня характеристика категорий алгоритмов для решения задачи обнаружения лиц. Выявлены основные достоинства и недостатки. Предложено решение, которое комбинирует метод Виолы-Джонса и метод главных компонент.

19. Отслеживание объектов в видеопотоке

    Авторы: Лавелина Е.С., Закуанова М.Р., Масловская М.А.

    Описание: В данной работе рассматривается вопрос автоматического определения местоположения предмета и отслеживания его передвижений в видеопотоке.

20. Детектирование объектов на изображениях с помощью алгоритма YOLO

    Автор: Ситкин И.В.

    Описание: В статье рассматривается вопрос обнаружения объектов на изображении. Описан принцип работы алгоритма YOLO. Произведена сравнительная характеристика алгоритмов YOLO и R-CNN.

21. Детектирование и классификация движущихся объектов в видеопоследовательности

    Автор: К.В. Шепелев

    Описание: В статье предложена модель представления видеопоследовательности в задачах детектирования движения на основе трехмерного динамического информационного массива уровней яркости пикселей, отличающиеся обновляемым нулевым кадром маски движения.

Техническая и справочная литература

22. Алгоритмы компьютерного зрения на основе сверточных нейронных сетей

    Описание: Учебное пособие, в виде лекции по компьютерному зрению. Содержит основные положения о глубоком обучении, сверточных нейронных сетях, детектировании объектов и т.д.

23. Стэнфордский курс

    Описание: Курс Свёрточные нейронные сети для визуального распознавания (Convolutional Neural Networks for Visual Recognition) от инженерной школы Стэнфордского университета (Stanford University School of Engineering). В этом курсе рассматривается каким образом глубокое обучение применяется в компьютерном зрении, а также рассматривается вопрос создания и настройки собственной нейросети.

24. Введение в архитектуры нейронных сетей

    Описание: Статья содержит базовую терминологию и понятия в области нейронных сетей. Рассматриваются различные архитектуры нейронных сетей, дается краткий обзор фреймворков и библиотек для работы с нейронными сетями.

25. Deep Learning – Introduction to Convolutional Neural Networks

    Описание: Рассматриваются основные понятия о сверточных нейронных сетях. Применение CNN в области компьютерного зрения. Дается краткий обзор архитектуре сверточной сети.

26. Вижу, значит существую: обзор Deep Learning в Computer Vision (часть 1)

    Описание: В статье рассматривается применение нейронных сетей в задачах компьютерного зрения, с примерами архитектур и современными задачами.

27. Вижу, значит существую: обзор Deep Learning в Computer Vision (часть 2)

    Описание: В статье рассматриваются основные задачи компьютерного зрения, а именно детектирование, трекинг, сегментация, оценка позы, распознавание действий и многое другое.

28. Метрики в задачах машинного обучения

    Описание: Статья посвящена некоторым критериям качества в задачах классифкации, в чатности рассмотрны такие критерии качества, как точность и полнота.

29. Топ – 9 фреймворков в мире искусственного интеллекта

    Описание: Статья посвящена обзору 9 лучших фрймворках, которые могут помочь в разработке и изучении искусственного интеллекта. Сравнительной характиристики подверглись следующие фреймворки: Tensor Flow, Microsoft CNTK, Caffe, Theano, Amazon Machine Learning, Torch, Accord.Net, Apache Mahout, Spark Mlib.

30. CNN Architectures — LeNet, AlexNet, VGG, GoogLeNet and ResNet

    Описание: Обзор архитектур сверточных нейронных сетей, актуальных с 2015 по 2019 год. Рассматриваются такие архитектуры, как LeNet, AlexNet, VGG, GoogLeNet и ResNet.

31. Оптические трекеры: ASEF и MOSSE

    Описание: В статье рассматривается одна из важных подздач видеоаналитики – слежение за объектами на видео. Рассматривается принцип работы ASEF и MOSSE трекеров.

32. То, что вы хотели знать про оптический поток, но стеснялись спросить

    Описание: Статья посвящена технологии оптический поток (optical flow), которая используется в различных областях computer vision для определения сдвигов, сегментации, выделения объектов, компрессии видео.

33. 9 Best Free Computer Vision Courses & Certification

    Описание: Список лучших курсов, учебников, тренингов, классов и сертификации по компьютерному зрению, доступных в Интернете на 2019 год. Он включает как платные, так и бесплатные ресурсы, которые помогут освоить Computer Vision.

34. Видеоаналитика: задачи и решения

    Описание: В статье описано основное назначение видеоаналитики, рассмотрены такие задачи как поиск объектов и обнаружение людей, многокамерная видеоаналитика и межкамерный трекинг, подсчет людей, выявление ассоциального поведения и многое другое.

35. Видеоаналитика. Машинное зрение

    Описание: В статье рассматривается коммерческое применение видеоаналитики, научные исследования в области видеоаналитики, системы видеонаблюдения и т.д.

Курсы видео лекций

36. Введение в компьютерное зрение

    Описание: В курсе рассматриваются базовые понятия компьютерного зрения, обработка изображений, методы анализа изображений, представление изображений, локальные особенности, оценка параметров моделей, машинное обучение и классификация изображений, поиск и локализация объектов, задачи на больших коллекциях изображений, поиск изображений по содержанию, основы видеонаблюдения, распознавание событий в видео, компьютерное зрение в реальном времени.

37. Introduction to Computer Vision

    Описание: Курс представляет собой введение в компьютерное зрение, включая основы формирования изображения, геометрию изображения с камеры, обнаружение и сопоставление характеристик, многофакторную геометрию, включая стерео, оценку и отслеживание движения, а также классификацию.

38. Deep Learning School

    Описание: Курс лекций состоит из таких разделов, как введение в нейронные сети, основы линейной алгебры, основы машинного обучения, основы сверточных нейронных сетей, основы рекурретных нейронных сетей и многое другое.

39. Stanford University School of Engineering

    Описание: Данная коллекция лекций представляет собой погружение в детали архитектуры глубокого обучения с упором на изучение классификации изображений. Благодаря данным лекциям будут получены навыки по внедрению, обучению и отлаживанию своих собственныых нейронных сетей. Будут получены базовое понимание передовых исследований в области компьютерного зрения.

Книги по применению глубокого обучения, в частности в области компьютерного зрения

40. Глубокое обучение на Python

    Авторы: Франсуа Шолле

    Описание: Книга содержит обобщенное введение в глубокое обучение. Даны базовые математические основы нейронных сетей и их применение на практике. Детальным образом рассматривается глубокое обучение в технологиях компьютерного зрения. В книге предлагается более 30 примеров программного кода с подробными комментариями. В примерах используется фреймворк глубокого обучения Keras.

41. Искусственный интеллект с примерами на Python

    Авторы: Пратик Джоши

    Описание: В книге содержится обширный обзор вводным понятиям искусственного интеллекта, содержит большое количество алгоритмов и методов в области глубокого обучения. Отдельная глава посвяещена обнаужению и отслеживанию объектов, в которой рассматриваются алгоритмы для обнаружения и отслеживания объектов в живом видео. Описан ряд методик, таких как оптические потоки, обнаружение лиц в кадре и отслеживание глаз.

Ресурсы и материалы для изучения Python

42. Python Weekly

    Описание: Это бесплатный еженедельный электронный бюллетень, в котором публикуются новости, статьи, новые выпуски, вакансии и многое другое.

43. Программирование на Python

    Описание: Курс посвящен базовым понятиям и элементам языка программирования Python (операторы, числовые и строковые переменные, списки, условия и циклы). Курс является вводным и наиболее подойдет слушателям, не имеющим опыта написания программ ни на одном из языков программирования.

44. Python 3 для начинающих

    Описание: Сайт призван помочь начинающим научиться программировать на python 3.

45. Python: основы и применение

    Описание: Курс посвящен базовым принципам языка Python и программирования в целом. Он хорошо подойдет тем, кто уже может писать простейшие программы на Python или тем, кто до этого программировал на других языках.

46. Питоньютор

    Описание: Интерактивный учебник языка Python, дает теорию в удобной форме, и позволяет решать задачи прямо на сайте.

47. Язык программирования Python

    Описание: Изучается язык программирования Python, его основные библиотеки и некоторые приложения на примере языка Python рассматриваются такие важные понятия как: объектно-ориентированное программирование, функциональное программирование, событийно-управляемые программы (GUI-приложения), форматы представления данных (Unicode, XML и т.п.).

Datasets

48. Kaggle

    Описание: Интернет-сообщество специалистов по обработке данных и машинному обучению, принадлежащее Google LLC. Kaggle позволяет пользователям находить и публиковать наборы данных и многое другое.

49. IFAR-10

    Описание: CIFAR-10 – это популярный набор данных компьютерного зрения, собранный Алексом Крижевским, Винодом Наиром и Джеффри Хинтоном. Этот набор данных используется для распознавания объектов и состоит из 60000 цветных изображений 32x32 в 10 классах, по 6000 изображений на класс.

50. ImageNet

    Описание: Один из популярных наборов данных для проектов Computer Vision, предоставляет доступную базу данных изображений, которая организована в соответствии с иерархией WordNet.

51. COCO or Common Objects in COntext

    Описание: Крупномасштабный набор данных для обнаружения объектов, сегментации и субтитров. Набор данных содержит фотографии 91 типа объектов, которые легко узнаваемы и имеют в общей сложности 2,5 миллиона помеченных экземпляров в изображениях 328 тыс.

52. MPII Human Pose Dataset

    Описание: Набор данных MPII Human Pose используется для оценки позы человека. Набор данных включает в себя около 25 тыс. изображений, содержащих более 40 тыс. людей с аннотированными суставами тела.

53. Visual Tracker Benchmark

    Описание: Портал содержит данные и код оценки производительности алгоритмов визуального отслеживания. На сайте предоставлены результаты тестов, набор данных с анотациями, библиотека кодов.

Специализированные сайты посвященные работе компьютерного зрения

54. OpenCV-Python Tutorials

    Описание: Сайт посвященный работе компьтерного зрения с помощью библиотеки OpenCV, рассматриваются особенности графического интерфейса в OpenCV, основные операции, обработка изображений с помощью OpenCV, анализ видео, машинное обучение, обнаружение объекта и многое другое.

55. PyImageSearch

    Описание: Блог программиста и разработчика в области компьютерного зрения – Adrian Rosebrock. Andrian знакомит в практических примерах Python и OpenCV с основами компьютерного зрения и OpenCV, переходя к более сложным темам, таким как обнаружение лиц, отслеживание объектов в видео и распознавание рукописного ввода.

56. LearnOpenCV

    Описание: Блог предназначен для программистов, которые заинтересованы в компьютерном зрении и машинном обучении. Автором является Satya Mallick, Satya защитил докторскую диссертацию в Калифорнийском университете, где работал над различными проблемами компьютерного зрения и регулярно публиковался в ведущих конференциях и журналах.