Mācību programma

1. Datorredzes uzdevumi. (Attēlu klasificēšana, objektu detektēšana, attēlu segmentēšana, objektu izsekošana).
2. Vai mana problēma ir risināma ar datorredzi?
3. Ciparu attēli un video.
4. Specifiskas kameras - dziļuma, termo, kustības.
5. Klasiskā datorredze.
6. Mašīnmācīšanās jeb AI.
7. Fundamentālie modeļi.
8. Datu apsvērumi.
9. Datu marķēšana.
10. Ģenerēšanas uzdevumi.
11. Attēlu pārveidošana jeb tulkošana.
12. Attēlu ģeneratori.
13. Apmācības datu ģenerēšana.

Lektors

Roberts Kadiķis

Dr.Roberts Kadiķis darbojas attēlu apstrādes, datorredzes un mākslīgā intelekta jomās jau 13 gadus. Disertāciju veltījis datorredzes algoritmiem, kas ir efektīvi tiem nepieciešamās skaitļošanas jaudas ziņā. Padziļināta interese pēdējos gados par ģenerējošā mākslīgā intelekta lietošanu sintētisku datu ģenerēšanai. Ar šādām metodēm mākslīgajā intelektā balstītie datorredzes risinājumi var tikt apmācīti ar mazāku skaitu reālu, anotētu datu, kas īpaši svarīgi jomās, kur pieejamo datu apjoms ir ierobežots. Šāda veida algoritmus Roberts Kadiķis ir pielietojis industrijas robotizācijas uzdevumiem, pašbraucošo automašīnu attīstīšanai un medicīnas attēlu analīzei. Dr.  Roberts Kadiķis ir vadījis EDI komandas darbus vairākos H2020, Horizon Europe, kā arī vietēja mēroga projektos. Ir  zinātniskā institūta vadošais pētnieks, "Robotikas un mašīnuztveres laboratorijas" vadītājs un EDI zinātniskās padomes priekšsēdētājs.

Ieguvumi

• Zināšanas par datorredzi un tās pielietošanas iespējām;
• Ieskats datorredzes risinājumu praktiskajā pielietojumā - kā pielietot datorredzes risinājumus, izmantojot  datu sintēzes paņēmienus, 3D modelēšanu un simulatoru iespējas, kā arī uz mākslīgo intelektu balstītos attēlu ģeneratorus;
• Ekspertu novērtējums. Sadarbībā ar lektoru, mācību dalībnieki varēs novērtēt, vai kādi no viņiem aktuālajiem uzdevumiem var atrisināt ar datorredzes palīdzību; vai risinājuma izveidei būtu nepieciešami liela apjoma dati un cik sarežģīti būtu datus sagatavot konkrētam uzdevumam.