Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Ten kurs głębokiego uczenia dla obrazów z wykorzystaniem PyTorch wyposaży Cię w praktyczne umiejętności i wiedzę potrzebne do osiągnięcia doskonałości w klasyfikacji obrazów, wykrywaniu obiektów, segmentacji i generowaniu.
Klasyfikuj obrazy za pomocą konwolucyjnych sieci neuronowych (CNN)
Zastosujesz CNN do binarnej i wieloklasowej klasyfikacji obrazów oraz zrozumiesz, jak wykorzystywać wstępnie wytrenowane modele w PyTorch. Dzięki ramkom ograniczającym będziesz także w stanie wykrywać obiekty na obrazie i oceniać skuteczność modeli rozpoznawania obiektów.Segmentuj obrazy, stosując maski
Poznaj segmentację obrazów, w tym segmentację semantyczną, instancyjną i panoptyczną, poprzez nakładanie masek na obrazy oraz dowiedz się więcej o różnych architekturach modeli potrzebnych do każdego typu segmentacji.Generuj obrazy za pomocą GAN-ów
Na koniec nauczysz się, jak generować własne obrazy za pomocą generatywnych sieci przeciwstawnych (GAN). Nauczysz się umiejętności potrzebnych do budowania i trenowania głębokich konwolucyjnych GAN-ów (DCGAN-ów) oraz tego, jak oceniać jakość i różnorodność generowanych obrazów.Pod koniec tego kursu zdobędziesz umiejętności i doświadczenie potrzebne do pracy z różnymi zadaniami związanymi z obrazami przy użyciu modeli PyTorch.Wymagania wstępne
Program nauczania
Plan kursu
1
Klasyfikacja obrazów z użyciem CNN
Poznaj klasyfikację obrazów z użyciem CNN, różnicę między modelami klasyfikacji binarnej i wieloklasowej oraz naucz się stosować transfer learning do klasyfikacji obrazów w PyTorch.
- Binarna i wieloklasowa klasyfikacja obrazów50 XP
- Liczba klas50 XP
- Model klasyfikacji binarnej100 XP
- Model klasyfikacji wieloklasowej100 XP
- Warstwy splotowe dla obrazów50 XP
- RGB, skala szarości czy alfa?50 XP
- Dodawanie nowej warstwy splotowej100 XP
- Tworzenie bloku sekwencyjnego100 XP
- Praca z modelami wstępnie wytrenowanymi50 XP
- Zapis i wczytywanie modelu100 XP
- Wczytywanie wstępnie wytrenowanego modelu100 XP
- Klasyfikacja obrazów z użyciem ResNet100 XP
2
Rozpoznawanie obiektów
Wykrywaj obiekty na obrazach, przewidując otaczające je ramki ograniczające, i oceniaj skuteczność modeli rozpoznawania obiektów.
3
Segmentacja obrazów
Poznaj trzy rodzaje segmentacji obrazów – semantyczną, instancyjną i panoptyczną – ich zastosowania oraz odpowiednie architektury modeli uczenia maszynowego do każdego z nich.
4
Generowanie obrazów z użyciem GAN
Generuj zupełnie nowe obrazy z użyciem generatywnych sieci przeciwstawnych (GAN). Naucz się budować i trenować głęboką konwolucyjną sieć GAN oraz oceniać jakość i różnorodność jej wyników.
Głębokie uczenie dla obrazów z PyTorch
Kurs
ukończony
