מהפכת ה-AI כבר כאן, ואנו לומדים על מודלים גנרטיביים ועל טרנספורמרים (בקורס המתקדם) כבר משנת 2019. ראייה ממוחשבת היא אחד מתחומי הבינה המלאכותית, והיא אחד התחומים הצומחים ביותר בהנדסה, ומאפשרת ניתוח והבנה אוטומטית של תמונות ווידאו, המהווים כ-80% מתעבורת האינטרנט העולמית. דוגמאות לשימושים בראייה ממוחשבת כוללות זיהוי טקסט בתמונה, זיהוי חפצים, אנשים, מקומות, תרחישים ופעילויות, סיווג מחלות בתמונות רפואיות, חילוץ מבנה תלת-ממדי מתוך תמונות דו-ממדיות או וידאו, תיאור תוכן של תמונות, ויצירת תמונות וקטעי וידאו מתמונה, טקסט או שילובם. שימושים אלו מסייעים לבני אדם לבצע משימות בצורה טובה יותר, כגון נהיגה, התראות ומניעת תאונות, נהיגה אוטונומית, סיווג ומיון אוטומטי של תוכן תמונות או סרטוני וידאו, ושיפור ממשקי אדם-מכונה.

קורס זה מהווה מבוא לתחום הראייה הממוחשבת והוא בסיס לקורס ההמשך המתקדם, רשתות נוירונים לשימושי ראייה ממוחשבת. הקורס יכול להוות קורס עצמאי, להרחיב את קורסי המבוא בעיבוד תמונה או בגרפיקה ממוחשבת, ולהרחיב את קורסי למידת המכונה לתחום הראייה הממוחשבת (הבסיס הנדרש לקורס יינתן במהלכו). הקורס מתאים לסטודנטים בכל מסלולי התוכנה, ומדעי הנתונים, בעלי רקע בתכנות מונחה עצמים בסביבת פייתון, ובפרט למסלול למידת מכונה. הוא כולל התייחסות לטכנולוגיות עדכניות בחזית התעשייה והמחקר.

נושאי הקורס כוללים: מבוא ושימושי ראייה ממוחשבת, ייצור וייצוג תמונות; עיבוד תמונה במרחב ובתדר כולל קונבולוציה וקורלציה; שימושי עיבוד מקדים לאוגמנטציות וגיוון ושיפור ה-dataset; מאפיינים ומבוא לזיהוי תמונה, מבוא לרשתות קונבולוציה; שימושי רשתות קונבולוציה לצרכי סיווג, גילוי וסגמנטציה, אימון רשתות בשימושי ראייה ממוחשבת; ויזואליזציה והבנה. הקורס כולל הרצאה שבועית פרונטלית (בהיקף של 2 ש"ש), ומעבדה/תרגול שבועי (בהיקף של 2 ש"ש) המשלימים את ההרצאה.

במעבדה יתרגלו ויתנסו הסטודנטים בהיבטים מעשיים של ראייה ממוחשבת תוך חשיפה למאמרים ומקורות מדעיים בתחום, שיקולים מעשיים, ועד גישה והגשה לתחרויות בתחום (אופציונלי). תחומי הלמידה העמוקה בכלל, והראייה הממוחשבת בפרט, עתירי שינויים תכופים, כאשר טכנולוגיות בנות חמש שנים נחשבות לעתים קרובות ללא עדכניות. לכן לימוד עצמי בתחום מהווה אבן בניין חשובה לעוסקים בתחום, והמעבדות דורשות עבודה עצמית, ונבנו כדי להקנות בין השאר גם מיומנויות כאלו.

חלק מהמעבדות בקורס בנויות בשיטת "כיתה הפוכה", הדורשת לימוד עצמי, וכוללות התנסות מעשית בראייה ממוחשבת תוך שימוש בכלי תוכנה ומודלים מתאימים (ספריות ייעודיות לראייה ממוחשבת כמו OpenCV, עיבוד נומרי ולמידת מכונה, וסביבות כמו PyTorch תוך למידה ותרגול ארכיטקטורות רשת שונות ושימושים כמו סיווג, עם טעימות מגילוי וסגמנטציה). תינתן התייחסות בעיקר לסביבת PyTorch, אך יוזכרו גם סביבות אחרות כמו TensorFlow ו-Keras.