Просмотр исходного текста страницы Maps (командный проект)

{{Карточка_командного_проекта
|name=Maps
|company=Yandex
|semester=Осень 2017
|course=3
|number_of_students=3-5
|categorize=yes
}}

=== Что это за проект? ===
Это образовательно-исследовательский проект. Сегодня делаются первые шаги для автоматического создания карт на основе различных сигналов: снимки спутника, gps-треки, объезды городов (панорамы). Возможны следующие интересные темы:

# Можно заняться сегментацией снимков спутника, а именно выделение: гидрографии, растительности, зданий и дорог.
# Анализ gps-треков для восстановления и атрибутирования дорожного графа.
# На основе панорам реконструировать сцену и распознать объекты инфраструктуры (дорожные знаки, светофоры, пешеходны переходы, остановки и т.п.).

Работа будет проходить в формате семинаров. К сожалению, в качестве источников данных можно использовать только открытые.

=== Чему научатся студенты? Что самое интересное в проекте? ===
# Изучение современных подходов реконструкции сцены
# Обучение с учителем
# Погружение в исследовательскую деятельность
# Процесс ревью
# Работа на семинарах
# Чтение современных статей

=== Организация работы (Как студенты будут работать в команде?) ===
# Работа будет проходить в виде семинаров, где будут разбираться статьи и рассматриваться результаты последнего спринта (agile подход).
# Вы будете делать доклады и читать код друг друга.
# Каждый исследует свой кусок.

=== Какие будут использоваться технологии? ===
* Разработка будет вестись на  С++ и Python3.
# Код будет храниться в открытом репозитории github.
# Наиболее вероятно будем использовать [http://opencv.org opencv]  и  [http://www.pointclouds.org pcl].
# Для обучения моделей tensorflow.

=== Какие начальные требования? ===
# Знания C++ и Python3
# Хорошая математическая подготовка, основы машинного обучения
# Много свободного времени
# Хорошее знание английского

=== Темы вводных занятий ===
Темы могут варьироваться от уровня студентов, попробуем разобраться в:
# Как можно реконструировать сцену.
# Детектирование одного объекта на различных снимках.
# Вводная по нейросетям и сегментации.

=== Критерии оценки ===
Проект исследовательский, поэтому нет четких критериев оценки. Все зависит от вашей дисциплинированности на семинарах и выполнения требований.

=== Контактная информация ===
С вопросами пишите на @dasimagin в телеграм.