Машинное обучение и распознавание образов

Тематика платформы включает в себя работы по передовым методам интеллектуального анализа данных, визуализации и машинного обучения, а также их применению в современных индустриальных технологиях обработки данных, сигналов, изображений и распознавания образов.

Темы платформы

  • Design and analysis of machine learning algorithms and ANNs,
  • Image processing, visualization, computer vision, AR/VR,
  • Autonomous and adaptive systems,
  • Natural language processing,
  • Neuroscience and medical data analysis.

 

Вторник, 4 октября, 9.30–11.45

Аудитория 302

Руководитель: Егор Ершов

 

9.30 – 9.45

Доклад с секретным названием. Иван Коноваленко

9.45 – 10.00                

Алгоритм оценки распределения параметров освещения в сцене по её изображению. Василий Тесалин
10.00 – 10.15

Экспериментальное исследование качества компенсации теней от облаков на мультиспектральных данных спутников Sentinel-2 и Landsat 8. Мария Павлова

10.15 – 10.30    

Определение оптимальных спектральных чувствительностей мультиканального сенсора в задаче оптической сортировки картофеля. Иван Ермаков
10.30 – 10.45

Дробно-рациональные признаки для быстрого и точного перехода в пространство стандартного наблюдателя. Сергей Малашенко
10.45 – 11.00

Predicting a Next Activity in Event Logs: an Approach based on LSTMs and Gradient Boosting. Максим Карпов
11.00 – 11.15

Предобучение без учителя для задачи сегментации анатомических структур на КТ-изображениях. Илья Кулешов
11.15 – 11.30

Автоматический скоринг кальцинации коронарных артерий с использованием мультиклассовой сегментации. Фёдор Ломакин
11.30 – 11.45

Исследование коннектомов с помощью вычисления кривизны графов. Анна Першина

 

Вторник, 4 октября, 12.00–13.45

Аудитория 302

Руководитель: Егор Ершов

 

12.00 – 12.15

Алгоритмы мета-обучения Reptile и MAML в классификации данных ЭЭГ. Даниил Бердышев

12.15 – 12.30                

Непараметрическая регрессия с возможностью отказа от предсказания. Александр Алексеев
12.30 – 12.45

Поиск спектральных фильтров для улучшения восстановления гиперспектральных изображений. Даниил Реутский

12.45 – 13.00    

Подбор оптимального фильтра для заданного малоканального сенсора в задаче оптической сортировки картофеля. Олег Карасев
13.00 – 13.15

Исследование задачи цветовой константности для мультиспектрального случая с использованием априорной информации о свойствах отражения поверхности. Даниил Кущев
13.15 – 13.30

Компенсация цветной дымки на данных дистанционного зондирования Земли для RGB изображений. Михаил Селюгин
13.30 – 13.45

Нормализация изображения лабораторного планшета с лунками для дальнейшего распознавания. Денис Шарапов
13.45 – 14.00

Методы определения реакции агглютинации на планшетах с круглыми лунками. Сергей Корчагин

 

Машинное обучение и распознавание образов: Постерные доклады

 

М1. Использование плотного стереосопоставления и эффекта цветового виньетирования для улучшения качества преобразования цветовых координат. Лев Шепелев.

М2. О методах восстановления гиперспектральных изображений по трёхканальным с нулевой цветовой ошибкой. Даниил Владимиров.

М3. Сравнение известных методов спектрального переноса. Альмир Нурмухаметов.

М4. Обучение алгоритма оценки освещения для произвольного сенсора на основе гиперспектральных изображений с оценкой освещения. Артем Паньшин.

М5. Оценка качества статических алгоритмов оценки спектра освещения по гиперспектральным изображениям. Дмитрий Ярчук.

М6. О методах сжатия гиперспектральных видеопоследовательностей снятых акустооптическим спектрофотометром. Артём Погадаев.

М7. Метод оценки расстояния Васерштейна с помощью быстрого преобразования Хафа. Алина Шутова.

М8. Классификация определений в математических LaTeX статьях. Дмитрий Огурцов.

М9. Детекция лунок на планшетах, предназначенных для определения группы крови. Екатерина Зайченкова.