Maps (командный проект) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 49: Строка 49:
  
 
=== Критерии оценки ===
 
=== Критерии оценки ===
Проект исследовательский, поэтому нет четких критериев оценки. В основном она будет зависеть от вашей дисциплинированности на семинарах и того, как вы выполняете требования ментора.
+
Проект исследовательский, поэтому нет четких критериев оценки. Все зависит от вашей дисциплинированности на семинарах и выполнения требований.
  
 
=== Контактная информация ===
 
=== Контактная информация ===
 
С вопросами пишите на @dasimagin в телеграм.
 
С вопросами пишите на @dasimagin в телеграм.

Версия 14:25, 21 сентября 2017

Компания Yandex
Учебный семестр Осень 2017
Учебный курс 3-й курс
Максимальное количество студентов, выбравших проект: 3-5



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:

  1. Можно заняться сегментацией снимков спутника, а именно выделение: гидрографии, растительности, зданий и дорог.
  2. Анализ gps-треков для восстановления и атрибутирования дорожного графа.
  3. 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?

  1. Изучение современных подходов реконструкции сцены
  2. Обучение с учителем
  3. Погружение в исследовательскую деятельность
  4. Процесс ревью
  5. Работа на семинарах
  6. Чтение современных статей

Организация работы (Как студенты будут работать в команде?)

  1. Работа будет проходить в виде семинаров, где будут разбираться статьи и рассматриваться результаты последнего спринта (agile подход).
  2. Вы будете делать доклады и читать код друг друга.
  3. Каждый исследует свой кусок.

Какие будут использоваться технологии?

  • Разработка будет вестись на С++ и Python3.
  1. Код будет храниться в открытом репозитории github.
  2. Наиболее вероятно будем использовать opencv и pcl.
  3. Для обучения моделей tensorflow.

Какие начальные требования?

  1. Знания C++ и Python3
  2. Хорошая математическая подготовка, основы машинного обучения
  3. Много свободного времени
  4. Хорошее знание английского

Темы вводных занятий

Темы могут варьироваться от уровня студентов, попробуем разобраться в: 1. Как можно реконструировать сцену. 2. Детектирование одного объекта на различных снимках. 3. 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.