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.