imported>Mkgoldshteyn: /* Дополнительное ДЗ */

2025-03-23T14:37:29Z

Дополнительное ДЗ

Новая страница

==О курсе==

Занятия проводятся в [https://us06web.zoom.us/j/83908607296?pwd=dgFhqwY8slVdwspNGOA7L8bNEah90E.1 Zoom] '''по вторникам в 18:10'''

==Контакты==

[https://t.me/+oHKnmdWdSKNiMTQy Чат курса в TG]

Преподаватель: Башаров И.В. @ilbash и Козлов К. @dedpe

{| class="wikitable"
|-
! Ассистент !! Контакты
|-
| style="background:#eaecf0;" | Марк Блуменау (ПМИ) || @markblumenau
|-
| style="background:#eaecf0;" | Илья Никитин || @is_nikitin
|-
| style="background:#eaecf0;" | Кирилл Козлов || @dedpe
|}

Курс вели:
{| class="wikitable"
|-
! Тема !! Лекция !! Семинар
|-
| style="background:#eaecf0;" | Работа с изображениями. Классические методы обработки || Илья Башаров || Илья Башаров
|-
| style="background:#eaecf0;" | Классификация: лучшие практики || Снежана Дудкина || Снежана Дудкина
|-
| style="background:#eaecf0;" | Детекция (одностадийная) || Александр Неварко || Кирилл Козлов
|-
| style="background:#eaecf0;" | Сегментация || Александр Неварко || Кирилл Козлов
|-
| style="background:#eaecf0;" | RelD + Tracking || Илья Башаров и Снежана Дудкина || Илья Башаров
|-
| style="background:#eaecf0;" | Генеративные модели || Андрей Филатов || Кирилл Козлов
|-
| style="background:#eaecf0;" | SSL & Foundation Models || Андрей Филатов ||
|-
| style="background:#eaecf0;" | Методы ускорения нейросетевых моделей || Павел Колганов || Арина Гертель
|}

==Материалы курса==

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Презентации/ноутбуки !! Материалы
|-
| style="background:#eaecf0;" | '''1''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Работа с изображениями. Классические методы обработки || 14.01.2025 || [https://docs.google.com/presentation/d/1_wG77J8zAMvatMSHpwgiJTJUZVYzBOqm/edit?usp=sharing&ouid=115693349504527685091&rtpof=true&sd=true Лекция] [https://colab.research.google.com/drive/1NB5ggdfbMdxIAy-8FV0XdSxigC_FwLBF#scrollTo=_fVEZCFA82Rb Семинар] || [https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html OpenCV Docs]
|-
| style="background:#eaecf0;" | '''2''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Классификация: лучшие практики || 21.01.2025 || [https://docs.google.com/presentation/d/1s50Pu534qXbAl-LjxhGMDI4Ea6Hh6uTFHDOKovV-WVs/edit#slide=id.g327588c1df0_0_30 Лекция] [https://colab.research.google.com/drive/1tAYiLvtd62NekSkrbAqOdDorHJEfjznI Семинар] || [https://cs231n.github.io/convolutional-networks/ CS231n], [https://karpathy.github.io/2019/04/25/recipe/ Training recipe]
|-
| style="background:#eaecf0;" | '''3''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Детекция (одностадийная) || 28.01.2025 || [https://docs.google.com/presentation/d/12ohwSH_BVT2vTzS6W1knnY6CTIDFAk6t/edit?usp=sharing&ouid=115553813799780088084&rtpof=true&sd=true Лекция] [https://colab.research.google.com/drive/1y2hoZSKjKVJWBDtJjeKPQLDpSafj_M1C?usp=share_link Семинар] || [https://arxiv.org/html/2304.00501v6 YOLO history]
|-
| style="background:#eaecf0;" | '''4''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Сегментация || 04.02.2025 || [https://docs.google.com/presentation/d/1rzaklcrotKl0ZP54XBq0TBrwGc9k-MJkxNu80P-ZGH4/edit#slide=id.g32ccd9b25c1_0_100 Лекция] [https://colab.research.google.com/drive/1h3YBR5lsIS9eYjfqLIexeLBJGukHWFI1?usp=sharing Семинар] || [https://arxiv.org/html/2312.05391v1 Функции потерь]
|-
| style="background:#eaecf0;" | '''5''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || ReID + Tracking || 11.02.2025 || [https://docs.google.com/presentation/d/1Uf7L1hEdKnjb_MLwR4nSEKaPKeYWlQWBq4xV7iTFiDI/edit?usp=sharing Лекция] [https://colab.research.google.com/drive/1rm0muzVRFPAuGvf2vCufnjBl0cwi8tjm Семинар] || [https://github.com/luanshiyinyang/awesome-multiple-object-tracking Awesome tracking]
|-
| style="background:#eaecf0;" | '''6''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Генеративные модели || 18.02.2025 || [https://docs.google.com/presentation/d/1920Y3exa5FRMJvHZvRVO13D6Jz1WABB5oEwv1IYm1FY/edit?usp=sharing Лекция] [https://colab.research.google.com/drive/19yZi8ew7dHTe4CZXDI9BMYS60BPaY7l4?usp=sharing Семинар] || [https://arxiv.org/abs/2404.07771 Diffusion: overview]
|-
| style="background:#eaecf0;" | '''7''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || SSL & Foundation Models || 25.02.2025 || [https://docs.google.com/presentation/d/1TbJ7-36hQCxNpNW7AW6nFIqVJ5Mw7I88xKwH0k9PgYo/edit#slide=id.p1 Лекция] ||
|-
| style="background:#eaecf0;" | '''8''' [https://vkvideo.ru/playlist/-227011779_27 Записи ВК] [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDETLN1VWSLoJfXAfhaxoR6 Записи YT] || Методы ускорения нейросетевых моделей
|| 04.03.2025 || [https://docs.google.com/presentation/u/0/d/1wiamPZVcbucysCwWRpjT1iwhd5-qk3ydShZ0RwG60pc/edit Лекция] [https://colab.research.google.com/drive/1cuTXf4vfKfd_Nqh9yo-T3tsEcPDJNBoq?usp=sharing Семинар] || [https://github.com/VainF/Torch-Pruning TorchPruning]
|}

==Формула оценивания==

Оценка = 0.9*MAX(SUM / N, 10) + 0.1*EXAM,
где N - количество домашних заданий (без учета бонусных), SUM - сумма баллов за все задания (с учетом бонусных), EXAM - оценка на экзамене.

== Домашние задания ==

'''[https://colab.research.google.com/drive/1772rBZGw83yGr2D0jbmOtx8AtDqwuUSp#scrollTo=mLrXWnsp5d6q Домашнее задание 1]''' - '''Дедлайн 04.02 мягкий, 11.02 жесткий.'''

'''[https://colab.research.google.com/drive/1PCJFD4YEwXmQnSb0YxrmTnR6bIv8ZDuC?usp=sharing Домашнее задание 2]''' - '''Дедлайн 11.02 23:59 мягкий, 18.02 23:59 жесткий.'''

'''[https://colab.research.google.com/drive/1Kni36PCFxxNru6DZ2vwFA8Qk85W-XhL1?usp=sharing Домашнее задание 3]''' - '''Дедлайн 19.02 23:59 мягкий, 26.02 23:59 жесткий.'''

'''[https://drive.google.com/file/d/1e4O8NGqqZ6Ra3vP2HGNWcPYolpaljwcW/view?usp=sharing Опциональное домашнее задание]''' - '''Дедлайн 26.02 23:59 мягкий, 05.03 23:59 жесткий.'''

'''[https://colab.research.google.com/drive/1_PUs3JPFFWNa7c_xDxxdaSDSz90SZ0gZ?usp=sharing Домашнее задание 4]''' - '''Дедлайн 11.03 23:59 мягкий, 18.03 23:59 жесткий.'''

'''Инвайт в AnyTask: OsoaRj4'''

== Дополнительное ДЗ ==
Может дать дополнительно до 2х баллов (включительно) за решение для тех, кто не добирает баллы (после проверок всех дз 3 балла и ниже, либо не уверен, сколько у него баллов будет.) Также это задание для тех, кто не хочет идти на экзамен. Напомню, идти на экзамен - опционально, дает до 1 балла. Ранжирование баллов будет следущим:
1) Выбитый скор [0.51; 0.7) - +1 балл (для тех, у кого 3 балла и ниже)
2) Выбитый скор выше [0.70; 1) - +2 балла (для тех, у кого 3 балла и ниже) или засчитывается вместо экзамена - +1 балл (для тех, у кого 4 балла и выше)

Бейзлайн по [https://colab.research.google.com/drive/10HbBjXe4hzMTbu9ZqSw4zj2cyoMLC57Y?usp=sharing ссылке], kaggle соревнование по [https://www.kaggle.com/competitions/how-machine-sees-ai-edu/overview ссылке]. Дедлайн до 26.03.25 23:59. Username следует указывать в формате <ФИО>_МОВС_25 на русском языке.

Рекомендации к решению:
1) стоит поработать в первую очередь данными, а не гнаться за тяжелыми моделями. В данных может быть неверная разметка, картинки плохого качества, маленькие объекты и тд. Смотрите на распределения.

2) Батч имеет значение - следите за стабильностью обучения. Если есть сильные колебания в качестве, скорее всего, поможет увеличение батча. В зависимости от динамики обучения можете подобрать необходимое кол-во эпох. Помните, одностадийные методы тренируются чуть дольше.

3) Аугментации дают основной буст в качестве. Пользуйтесь библиотекой albumentations и добавляйте их в пайплайн обучения (сразу в код).

4) Визуализируйте ошибки модели - можно добавить эти семплы повторно в трейн.

5) Если качество модели на вашей валидации сильно отличается от kaggle - вы неверно формируете валидацию. Подумайте, как можно было бы сформировать валидационную выборку.

6) Тюнингом lr, optimizer и проч занимайтесь только в самый последний момент. Также у ultralytics есть tuner.

7) Можно найти похожие данные в интернете и дополнить выборку.

8) Следите за дисбалансом классов в выборке. Вспомните про стратегии борьбы, которые мы обсуждали в семинарах - семлинг, взвешивание.

'''Сдавать в AnyTask по инвайту выше.'''

== Литература ==
# Richard Szeliski, [http://szeliski.org/Book/ "Computer Vision: Algorithms and Applications, 2nd ed."], The University of Washington

Компьютерное зрение 24/25 (МОВС23) - История изменений

imported>Mkgoldshteyn: /* Дополнительное ДЗ */