Национальная технологическая олимпиада
«Автономные транспортные системы»
Программа подготовки к профилю «Автономные транспортные системы» Национальной технологической олимпиады
Национальная технологическая олимпиада
«Автономные транспортные системы»
Программа подготовки к профилю
«Автономные транспортные системы»
Национальной технологической олимпиады
  • Для успешного участия в профиле необходимо знать основы Python.

    Тем, кто никогда не программировал на Python, мы предлагаем пройти курс.
    Пройти курс
  • Если вы уже обладаете знаниями синтаксиса Python и можете писать небольшие программы, но не уверены
    в своих навыках, пройдите курс.

    Если курс окажется слишком сложным, вернитесь к предыдущему.
    Пройти курс
  • Для освоения материалов по компьютерному зрению и нейронным сетям необходимо понимать как устроено изображение, как оно представлено в памяти компьютера, и как взаимодействовать с ним через Python.

    Сохраните на свой диск материалы урока НТО. Откройте блокнот Colab, изучите представленный материал и выполните задания в блокноте.
    Пройти курс
  • В компьютерном зрении есть множество различных алгоритмов, позволяющих решать разнообразные задачи.

    В предлагаемом курсе вы освоите:
    - работу с камерой и видеофайлами;
    - использование цветовых пространств;
    - детектирование по цветам;
    - распознавание сравнением с эталоном;
    - HOG-SVM детекторы;
    - сбор и разметку датасета.

    В завершении курса разбирается алгоритм движения по разметке, который используется в ходе заключительного этапа профиля.
    Пройти курс
  • Нейронные сети решают ряд задач компьютерного зрения гораздо точнее, чем другие алгоритмы.

    В предлагаемом курсе разобраны:
    - устройство нейросетей;
    - принципы их работы;
    - классификаторы;
    - бинарные и небинарные, свёрточные нейронные сети.

    Эти знания необходимы для решения ряда задач заключительного этапа профиля.
    Пройти курс
  • Нейросетевые детекторы позволяют детектировать
    на изображениях сложные объекты.

    В предоставленном блокноте Google Collab
    разобраны использование готовых детекторов
    и их обучение на собственном датасете.
    Блокнот Google Colab
Материалы, предлагаемые на этом этапе, позволят подготовиться
к работе с оборудованием и сформируют представление о задачах
заключительного этапа и возможных методах их решений.
Разработчики и организаторы
ВЕРСИЯ ДЛЯ СЛАБОВИДЯЩИХ