Prog Academy

MilTech · за підпискою

Комп'ютерний зір для автономних систем

Як камера робота бачить світ — від масиву пікселів до треку об'єкта

  • 18 модулів
  • 50+ практичних завдань
  • Автоматична перевірка
  • Українською

Отримати доступ до курсу

Курс за підпискою · Навчання у власному темпі

Про курс

Що це за курс?

Складський робот шукає маркер на полиці, камера над конвеєром рахує посилки, дрон агрономічної служби оглядає поле, а придорожня камера рахує автомобілі в кожній смузі. За кожною з цих систем стоїть той самий ланцюжок: кадр → очищення і нормалізація → пошук ознак → виявлення об'єктів → зіставлення між кадрами → трек → звіт. У цьому курсі ви пройдете весь ланцюжок власними руками — на NumPy, без «чорних скриньок», а наприкінці навчите маленьку згорткову мережу на PyTorch.

Аудиторія

Для кого цей курс?

  • Python-розробник зі знанням NumPy

    Увесь ланцюжок від кадру до треку об'єкта власними руками на NumPy, без «чорних скриньок».

  • Без досвіду обробки зображень

    Перший урок пояснює, що таке кадр для комп'ютера; далі — пороги, згортка, детекція, трекінг і маленька CNN.

  • Шлях: CV-інженер для автономних систем

    База комп'ютерного зору на NumPy, на яку спирається наступний курс з OpenCV.

Спершу потрібна підготовка

Курс спирається на знання, позначені нижче як обов’язкові.

Потрібно знати

Якщо цих знань ще немає — пройдіть курси за порядком:

  1. З нуля
  2. Обов’язково Основи програмування на Python
  3. Обов’язково Числові основи: NumPy для машинного навчання
  4. Бажано Математика для MilTech з нуля
  5. Бажано PyTorch і глибоке навчання
  6. Цей курс Комп'ютерний зір для автономних систем

Результат

Що ви навчитеся робити

працювати із зображенням як з масивом: індексація, область інтересу (ROI), типи даних і переповнення uint8

нормалізувати кадри, будувати гістограми і вибирати поріг методом Otsu

писати згортку, розмиття, фільтр Собеля і морфологію (ерозія, дилатація, відкриття, закриття)

знаходити зв'язні компоненти, рамки, рахувати перекриття рамок (IoU), прибирати дублікати (NMS) і міряти якість детектора (precision, recall, AP)

шукати шаблон нормованою кореляцією і оцінювати рух блоковим зіставленням

будувати центроїдний, IoU- і калманівський трекери, рахувати перетин лінії і метрики трекінгу (зміни ідентифікатора, MOTA)

навчати і правильно оцінювати маленьку згорткову нейромережу (CNN) на синтетичних фігурах

збирати фінальний конвеєр: детекція, трекінг, класифікація і швидкість авто на синтетичній дорозі

Формат

Як влаштоване навчання?

18 модулів. У кожному — теорія з прикладом і 2–3 задачі з автоматичною перевіркою: написати з нуля, знайти помилку в робочому на вигляд коді, розширити готовий модуль. Шість тестів з поясненнями і дві практичні форми допомагають закріпити поняття. Кожне рішення перевіряється на прихованих кадрах: інший розмір, шум, об'єкти біля краю, нерівні інтервали між кадрами.

  • Теорія

    19 уроків з прикладами

  • Практика в браузері

    50+ завдань з автоматичною перевіркою

  • Тести

    7 тестів для самоперевірки

  • Власний темп

    Онлайн на my.prog.academy, без встановлення програм

AI-помічник

AI-помічник поруч під час навчання

На сторінках курсу, уроків і завдань є кнопка «Запитати AI». Помічник знає матеріали саме цього курсу й урок, на якому ви зараз, тому відповідає по темі й показує, у яких уроках про це йдеться.

  • Пояснить інакше

    Не зрозуміли урок з першого разу — попросіть пояснити простіше або дати ще один приклад.

  • Допоможе із завданням

    Застрягли — підкаже, з чого почати, і допоможе знайти помилку у вашому рішенні. Готового рішення не дає.

  • Знайде потрібну тему

    Запитайте, де пояснювали поняття, — і отримаєте посилання на потрібні уроки курсу.

  • Продовжить розмову

    Уточнюйте без повторів: помічник пам’ятає розмову, а нещодавні розмови курсу зберігаються.

Входить у кожен тариф оплаченої підписки — Basic і Premium. У Premium ліміти використання AI-помічника вищі — ним можна користуватися активніше. Це помічник у навчанні, а не генератор готових відповідей: він пояснює й підказує, а завдання ви розв’язуєте самі.

Програма

Програма курсу

18 модулів, 50+ практичних завдань з автоматичною перевіркою і 7 тестів. Відкрийте модуль, щоб побачити всі теми.

Модуль 1 — Зображення як масиви 2 уроки · 3 практики

Кадр — це масив чисел: розмір, тип, індексація рядок/стовпець, ROI і кольорові канали

  • Теорія Вступ: що таке комп'ютерний зір і навіщо він автономній машині
  • Теорія Кадр як масив NumPy
  • Практика Експозиція кадру складського робота
  • Практика Знайдіть помилку — ROI не там
  • Практика Сірий кадр і рослинність у полі
Модуль 2 — Нормалізація 1 урок · 3 практики

Розтягування контрасту, насичення замість переповнення, стандартизація за статистикою тренувального набору

  • Теорія Приводимо кадри до спільної шкали
  • Практика Розтягування контрасту нічного кадру
  • Практика Знайдіть помилку — яскравість «загортається»
  • Практика Стандартизація тайлів для класифікатора
Модуль 3 — Гістограми та поріг Otsu 1 урок · 3 практики · 1 тест

Гістограма яскравості, медіана і перцентилі з кумулятивної суми, автоматичний поріг Otsu

  • Теорія Гістограма і автоматичний поріг
  • Практика Гістограма знімка поля
  • Практика Поріг Otsu для посилок
  • Практика Знайдіть помилку — Otsu «пливе»
  • Тест Масиви, нормалізація, гістограми
Модуль 4 — Згортка 1 урок · 3 практики

Кореляція і згортка, режими valid/same, крайові пікселі, розмиття і гауссове ядро

  • Теорія Ядро, що ковзає по кадру
  • Практика Згортка в режимі valid
  • Практика Розмиття того самого розміру
  • Практика Гауссове ядро
Модуль 5 — Фільтр Собеля 1 урок · 3 практики

Градієнти яскравості, магнітуда, напрямок краю і розмітка дороги

  • Теорія Де яскравість змінюється найшвидше
  • Практика Магнітуда Собеля
  • Практика Напрямок розмітки
  • Практика Знайдіть помилку — полиці не видно
Модуль 6 — Морфологія 1 урок · 3 практики · 1 тест

Ерозія, дилатація, відкриття і закриття бінарних масок; межі кадру

  • Теорія Чистимо бінарні маски
  • Практика Ерозія і дилатація
  • Практика Очищення маски посилок
  • Практика Знайдіть помилку — фантомні перешкоди
  • Тест Згортка, Собель, морфологія
Модуль 7 — Зв'язні компоненти та рамки 1 урок · 3 практики

Від маски до списку об'єктів: обхід у ширину, 4- і 8-зв'язність, площа, рамка, центроїд

  • Теорія Маска → об'єкти
  • Практика Тварини на пасовищі
  • Практика Зв'язність і мінімальна площа
  • Практика Знайдіть помилку — посилки «важчають»
Модуль 8 — IoU: наскільки збігаються рамки 1 урок · 3 практики

Перетин і об'єднання рамок, матриця IoU, формати рамок (кути і центр)

  • Теорія Intersection over Union
  • Практика IoU пар рамок
  • Практика Матриця IoU і найкраща пара
  • Практика Знайдіть помилку — формат центру
Модуль 9 — Придушення немаксимумів (NMS) 1 урок · 3 практики · 1 тест

Жадібний NMS, окремо для кожного класу, і чому помилка в IoU ламає придушення

  • Теорія Одна рамка на один об'єкт
  • Практика Жадібний NMS
  • Практика NMS окремо для кожного класу
  • Практика Знайдіть помилку — дублікати не зникають
  • Тест Компоненти, IoU, NMS
Модуль 10 — Precision, recall та AP 1 урок · 3 практики

Зіставлення детекцій з розміткою, TP/FP/FN, крива precision–recall і average precision

  • Теорія Як міряти детектор
  • Практика TP, FP, FN на кадрі з перехрестя
  • Практика Average precision
  • Практика Поріг детектора для підрахунку авто
Модуль 11 — Пошук за шаблоном (NCC) 1 урок · 3 практики

Нормована кореляція з нульовим середнім, стійкість до освітлення, кілька входжень шаблону

  • Теорія Де на кадрі цей маркер?
  • Практика Знайти маркер на полиці
  • Практика Знайдіть помилку — вранці маркер «зникає»
  • Практика Скільки маркерів на стелажі
Модуль 12 — Блокове зіставлення: оцінка руху 1 урок · 2 практики · 1 тест

Рух між кадрами з суми абсолютних різниць; швидкість стрічки конвеєра

  • Теорія Куди поїхав цей блок?
  • Практика Вектори руху блоків
  • Практика Швидкість стрічки конвеєра
  • Тест Метрики детекції, шаблони, рух
Модуль 13 — Центроїдний трекер 1 урок · 3 практики

Від детекцій кадру до треків: жадібне зіставлення за відстанню, пропуски, унікальні ідентифікатори

  • Теорія Хто є хто на наступному кадрі
  • Практика Центроїдний трекер
  • Практика Трек переживає пропуск
  • Практика Знайдіть помилку — один id на два авто
Модуль 14 — IoU-трекер і керування треками 1 урок · 2 практики

Зіставлення рамок за IoU, підтвердження треку, вік, підрахунок перетину лінії

  • Теорія Життєвий цикл треку
  • Практика IoU-трекер
  • Практика Лічильник авто на лінії
Модуль 15 — Фільтр Калмана для трекінгу 1 урок · 3 практики · 1 тест

Модель сталої швидкості, прогноз і корекція, нерівні інтервали кадрів, ворота Махаланобіса

  • Теорія Прогнозуй, потім виправляй
  • Практика Калманівський трекер авто
  • Практика Пропуски і ворота
  • Практика Знайдіть помилку — фільтр нічого не фільтрує
  • Тест Трекери
Модуль 16 — Метрики трекінгу 1 урок · 3 практики

Пропуски, хибні треки, зміни ідентифікатора, MT/PT/ML, MOTA і MOTP

  • Теорія Як оцінити трекер
  • Практика Якість треків на пасовищі
  • Практика MOTA-lite
  • Практика Що сталося з треком
Модуль 17 — Маленька CNN на PyTorch 1 урок · 3 практики · 1 тест

Згорткова мережа для синтетичних фігур: архітектура, навчання з фіксованим seed, правильна оцінка

  • Теорія Згорткова мережа за 20 рядків
  • Практика Архітектура і параметри
  • Практика Навчання на синтетичних фігурах
  • Практика Знайдіть помилку — модель «гірша», ніж на навчанні
  • Тест Згорткова мережа
Модуль 18 — Фінал: детекція і трекінг на дорозі 1 урок · 2 практики · 1 тест

Конвеєр від кадру до звіту: поріг, компоненти, рамки на краю кадру, трекінг, клас і швидкість авто

  • Теорія Збираємо конвеєр
  • Практика Детекція авто на кадрах
  • Практика Звіт дорожньої служби
  • Тест Фінальний конвеєр

Стек

Які технології використовуються?

  • Python
  • NumPy
  • PyTorch

Код пишете й запускаєте в браузері на платформі — встановлювати нічого не потрібно.

Застосування

Де застосовуються ці знання?

  1. Підрахунок об'єктів на конвеєрі й дорозі
  2. Детекція і супровід об'єктів у відео
  3. Оцінка якості детекторів і трекерів

Доступ

Як отримати доступ?

  1. Залиште заявку

    Заповніть коротку форму на цій сторінці.

  2. Завершіть реєстрацію в боті

    Після заявки оберіть Telegram або Viber — бот надішле подальші інструкції щодо доступу.

  3. Навчайтеся на платформі

    Уроки, практика й тести — на my.prog.academy, у зручному для вас темпі.

Контакт

Почніть навчання на платформі

Залиште контакти — надішлемо деталі доступу до курсу «Комп'ютерний зір для автономних систем».

Наступні й суміжні курси

Python · OpenCV

Комп'ютерний зір з OpenCV

OpenCV так, як ним користуються інженери: пороги, контури, ORB, гомографія, модель камери і покадровий конвеєр.

14 модулів · 40+ практичних завдань

Python · NumPy

Телеметрія дрона на Python: перші 10 задач

Десять задач інженера наземної станції: польотний лог, енергія батареї, GPS-відстані й аномалії сенсорів.

10 модулів · 30+ практичних завдань

Часті питання про курс

Що це за курс?
«Комп'ютерний зір для автономних систем» — онлайн-курс за підпискою на навчальній платформі Prog Academy. Як камера робота бачить світ — від масиву пікселів до треку об'єкта. Складський робот шукає маркер на полиці, камера над конвеєром рахує посилки, дрон агрономічної служби оглядає поле, а придорожня камера рахує автомобілі в кожній смузі. За кожною з цих систем стоїть той самий ланцюжок: кадр → очищення і нормалізація → пошук ознак → виявлення об'єктів → зіставлення між кадрами → трек → звіт. У цьому курсі ви пройдете весь ланцюжок власними руками — на NumPy, без «чорних скриньок», а наприкінці навчите маленьку згорткову мережу на PyTorch.

Для кого цей курс?
Розробникам з упевненим Python і базовим NumPy, які хочуть зрозуміти комп'ютерний зір з перших принципів.

Які знання потрібні перед стартом?
Потрібно: впевнений Python (функції, списки, словники, цикли) і базовий NumPy (масиви, зрізи) — на платформі це курси «Основи програмування на Python» і «Числові основи: NumPy для машинного навчання». Для передостаннього модуля знадобиться знайомство з PyTorch (курс «PyTorch і глибоке навчання»). Математика: суми, середні, квадратний корінь, стандартне відхилення, atan2, вектори й матриці — якщо щось із цього нове, спершу пройдіть курс «Математика для MilTech з нуля»; фільтр Калмана пояснюємо по кроках. Досвід обробки зображень не потрібен: перший урок пояснює, що таке кадр для комп'ютера.

Які практичні завдання будуть?
18 модулів. У кожному — теорія з прикладом і 2–3 задачі з автоматичною перевіркою: написати з нуля, знайти помилку в робочому на вигляд коді, розширити готовий модуль. Шість тестів з поясненнями і дві практичні форми допомагають закріпити поняття. Кожне рішення перевіряється на прихованих кадрах: інший розмір, шум, об'єкти біля краю, нерівні інтервали між кадрами.

Які технології використовуються?
Python, NumPy, PyTorch. Код пишете й запускаєте прямо в браузері на платформі — встановлювати нічого не потрібно.

Скільки модулів містить курс?
18 модулів: Зображення як масиви; Нормалізація; Гістограми та поріг Otsu; Згортка; Фільтр Собеля; Морфологія; Зв'язні компоненти та рамки; IoU: наскільки збігаються рамки; Придушення немаксимумів (NMS); Precision, recall та AP; Пошук за шаблоном (NCC); Блокове зіставлення: оцінка руху; Центроїдний трекер; IoU-трекер і керування треками; Фільтр Калмана для трекінгу; Метрики трекінгу; Маленька CNN на PyTorch; Фінал: детекція і трекінг на дорозі. Практичних завдань з автоматичною перевіркою — 50+, тестів — 7.

Як отримати доступ?
Залиште заявку на цій сторінці й завершіть реєстрацію в Telegram- або Viber-боті Prog Academy — там ви отримаєте подальші інструкції щодо доступу. Навчання проходить на платформі my.prog.academy у власному темпі.

Чи входить курс у підписку?
Так. Курс входить у підписку на платформі Prog Academy: доступ до всіх курсів за підпискою; ai-помічник з навчання в кожному курсі; усі уроки, домашні завдання та автоматична перевірка; нові курси за підпискою додаються автоматично.

Які сценарії й дані використовуються в курсі?
Усі кадри і сцени в курсі синтетичні й згенеровані для навчання: посилки на конвеєрі, автомобілі на дорозі, тварини і посіви на полі, полиці й маркери на складі.

Не знайшли відповідь?

Залиште запитання — підкажемо, чи підходить вам курс і з чого краще почати.