Национальная технологическая олимпиада
«Автономные транспортные системы»
«Автономные транспортные системы»
Программа подготовки к профилю «Автономные транспортные системы» Национальной технологической олимпиады
Национальная технологическая олимпиада
«Автономные транспортные системы»
«Автономные транспортные системы»
Программа подготовки к профилю
«Автономные транспортные системы»
Национальной технологической олимпиады
«Автономные транспортные системы»
Национальной технологической олимпиады
- Для успешного участия в профиле необходимо знать основы Python.
Тем, кто никогда не программировал на Python, мыпредлагаем 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.
к работе с оборудованием и сформируют представление о задачах
заключительного этапа и возможных методах их решений.
Разработчики и организаторы
