Изучите глубокое обучение с помощью полного руководства по Python
Цель этого приложения - познакомить энтузиастов глубокого обучения с компьютерным зрением, начиная с основ, а затем переходя к более современным моделям глубокого обучения. Глубокое обучение для приложения компьютерного зрения будет охватывать распознавание изображений и видео, включая классификацию и аннотацию изображений, распознавание объектов и поиск изображений, различные методы обнаружения объектов, оценку движения, отслеживание объектов в видео, распознавание действий человека и, наконец, стилизацию изображений, редактирование и новое поколение имиджа. В рамках курсового проекта студенты узнают, как создать систему распознавания лиц и манипуляции, чтобы понять внутреннюю механику этой технологии, которая, вероятно, является наиболее известной и часто демонстрируемой в фильмах и телешоу примером компьютерного зрения и искусственного интеллекта.
Основная конкретная тема:
✔ Что такое глубокое обучение ?.
✔ Основы изображения.
✔ Основы классификации изображений.
✔ Наборы данных для классификации изображений.
✔ Настройка среды разработки
✔ Создать первый классификатор изображений.
✔ Параметризованное обучение
✔ Методы оптимизации и регуляризация.
✔ Основы нейронной сети.
✔ Сверточные нейронные сети.
✔ Тренируйте свой первый CNN.
✔ Сохранение и загрузка ваших моделей
✔ LeNet: распознавание рукописных цифр.
✔ MiniVGGNet: углубляемся с CNN
✔ Планировщики скорости обучения.
✔ Обнаружение недостаточной и чрезмерной фиксации.
✔ Контрольные модели.
✔ Визуализация сетевых архитектур.
✔ Концепции компьютерного зрения и практические примеры
✔ Готовые к работе системы CNN для классификации.
✔ Основные темы программирования Python.
✔ Примеры кода Python Темы по науке о данных.
✔ Машинное обучение с примерами кода.