Build your ultimate AI agent
Description du cours
Ce cours sur l'apprentissage profond pour les images à l'aide de PyTorch vous permettra d'acquérir les compétences pratiques et les connaissances nécessaires pour exceller dans la classification d'images, la détection d'objets, la segmentation et la génération.
Classification d'images à l'aide de réseaux neuronaux convolutifs (CNN)
Vous appliquerez les CNN à la classification d'images binaires et multi-classes et comprendrez comment exploiter les modèles pré-entraînés dans PyTorch. Grâce aux cadres de sélection, vous pourrez également détecter des objets dans une image et évaluer les performances des modèles de reconnaissance d'objets.Segmenter les images en appliquant des masques
Découvrez la segmentation d'images, notamment la segmentation sémantique, par instance et panoptique, en appliquant des masques aux images, et familiarisez-vous avec les différentes architectures de modèles requises pour chaque type de segmentation.Générer des images avec les GAN
Enfin, vous apprendrez à générer vos propres images à l'aide des réseaux antagonistes génératifs (GAN). Vous apprendrez les compétences nécessaires pour créer et former des réseaux GAN convolutifs profonds (DCGAN) et évaluer la qualité et la diversité des images générées.À la fin de ce cours, vous aurez acquis les compétences et l'expérience nécessaires pour travailler sur diverses tâches liées aux images à l'aide des modèles PyTorch.Prérequis
Programme de formation
Plan du cours
1
Classification d’images avec des CNN
Découvrez la classification d’images avec des CNN, la différence entre les modèles de classification binaire et multi-classes, et comment utiliser l’apprentissage par transfert pour la classification d’images avec PyTorch.
- Classification d’images binaire et multi-classes50 XP
- Le nombre de classes50 XP
- Modèle de classification binaire100 XP
- Modèle de classification multiclasse100 XP
- Couches convolutionnelles pour les images50 XP
- RGB, niveaux de gris ou alpha ?50 XP
- Ajouter une nouvelle couche de convolution100 XP
- Créer un bloc séquentiel100 XP
- Travailler avec des modèles pré-entraînés50 XP
- Enregistrer et charger un modèle100 XP
- Charger un modèle pré-entraîné100 XP
- Classification d’images avec ResNet100 XP
2
Reconnaissance d’objets
Détectez les objets dans des images en prédisant des boîtes englobantes autour d’eux et évaluez les performances des modèles de reconnaissance d’objets.
3
Segmentation d’images
Découvrez les trois types de segmentation d’images (sémantique, par instance et panoptique), leurs applications et les architectures de modèles de Machine Learning adaptées à chacun.
4
Génération d’images avec des GANs
Générez des images entièrement nouvelles avec des Generative Adversarial Networks (GANs). Apprenez à construire et à entraîner un Deep Convolutional GAN, et à évaluer la qualité et la variété de son Résultat.
Deep Learning pour l’image avec PyTorch
Cours
terminé
