1. допустим, дана пара картинок.
2. Необходимо сопоставить (чем больше, тем лучше) пары точек, относящиеся к одному и тому же микрообъекту (кончик носа на одной картинке - к кончику носа на другой, верхушка дерева на одной к этой же верхушке на другой) и тд.
3. Для каждой точки на картинке необходимо вычислить визирный вектор (тебе нужно знать координаты источника съёмки, ессно). В случае спутниковой съёмки - всё плохо, координаты источника меняются с каждой строкой изображения
4. Строишь скрещивающиеся прямые, ищешь минимальную равноудалённую от них точку - вот тебе 3д координата. Повторить для каждой сопоставленной пары

для сопоставления пар можно юзать кросс-корреляцию пирамидально, можно всякие детекторы харриса, сифт дескрипторы

Полученную 3д поверхность ещё сглаживать надо, ибо ошибки неизбежны. чем - хз, вероятно, калманом

ага еще как. Ваш пукан взорвется когда вы дойдете до нейронных сетей. Домашка по backpropogation

Посчитать производные. Such math.

Всем привет)
Я знаю, что такие вопросы от новичков приходят через день, но что поделать)
Посоветуйте пожалуйста курс на udemy, для новичков по машинному обучению, интерсует направление распознание изображений, сверточные сети. Конечно на точное попадание в язык программирования JAVA расчитывать не приходится, но хотябы Pyton, а не R. На английском, важна актуальность
Заранее спасибо за советы)

А вообще ещё хорош каталог NPTEL - вот например - https://nptel.ac.in/courses/106/106/106106139/# - я смотрел курс этого преподавателя по RL - очень понравился и материалом и структурой подачи, задания отсюда - https://www.cse.iitm.ac.in/~ravi/courses/Introduction%20to%20Machine%20Learning.html