Deep Learning for computer vis

Uczenie głębokie znacznie przyspieszyło rozwijającą się już dziedzinę widzenia komputerowego. Dzięki głębokiemu uczeniu się wprowadzono wiele nowych zastosowań technik widzenia komputerowego, które obecnie stają się częścią naszego codziennego życia. Należą do nich rozpoznawanie i indeksowanie twarzy, stylizacja zdjęć czy widzenie maszynowe w samochodach autonomicznych.

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.