Naucz się głębokiego uczenia z samouczkami Python Kompletny przewodnik
Celem tej aplikacji jest wprowadzenie entuzjastów uczenia głębokiego w wizję komputerową, zaczynając od podstaw, a następnie przechodząc do bardziej nowoczesnych modeli uczenia głębokiego. Głębokie uczenie się aplikacji do wizji komputerowej obejmie zarówno rozpoznawanie obrazu, jak i wideo, w tym klasyfikację i adnotacje obrazu, rozpoznawanie obiektów i wyszukiwanie obrazów, różne techniki wykrywania obiektów, szacowanie ruchu, śledzenie obiektów w wideo, rozpoznawanie działań ludzkich, a wreszcie stylizację, edycję i nowa generacja obrazu. W ramach projektu studenci dowiedzą się, jak zbudować system rozpoznawania i manipulacji twarzą, aby zrozumieć wewnętrzną mechanikę tej technologii, prawdopodobnie najbardziej znanej i często pokazywanej w filmach i programach telewizyjnych jako przykład wizji komputerowej i sztucznej inteligencji.
Główny temat szczegółowy:
✔ Co to jest Deep Learning ?.
✔ Podstawy obrazu.
✔ Podstawy klasyfikacji obrazu.
✔ Zestawy danych do klasyfikacji obrazu.
✔ Konfiguracja środowiska programistycznego
✔ Utwórz First Image Classi fi er.
✔ Sparametryzowana nauka
✔ Metody optymalizacji i regularyzacja.
✔ Podstawy sieci neuronowych.
✔ Konwolucyjne sieci neuronowe.
✔ Szkolenie pierwszego CNN.
✔ Zapisywanie i ładowanie modeli
✔ LeNet: rozpoznawanie odręcznych cyfr.
✔ MiniVGGNet: Wejdź głębiej dzięki CNN
✔ Harmonogramy szybkości uczenia się.
✔ Dostrzeganie niedopasowania i przeładowania.
✔ Modele kontrolne.
✔ Wizualizacja architektur sieci.
✔ Koncepcje widzenia komputerowego i przykłady ćwiczeń
✔ Gotowe numery CNN do klasyfikacji.
✔ Podstawowe tematy programowania w Pythonie.
✔ Tematy nauki o danych Przykłady kodu w języku Python.
✔ Uczenie maszynowe z przykładami kodu.