50% off DataCamp Premium. 700+ courses, half price. Start learning today.
Kursbeskrivning
Den här kursen i djupinlärning för bilder med PyTorch ger dig de praktiska färdigheter och den kunskap du behöver för att lyckas inom bildklassificering, objektdetektering, segmentering och generering.
Klassificera bilder med konvolutionella neurala nätverk (CNN)
Du kommer att använda CNN:er för binär och flerklassig bildklassificering och förstå hur du kan dra nytta av förtränade modeller i PyTorch. Med hjälp av avgränsningsrutor kan du också upptäcka objekt i en bild och utvärdera prestandan hos objektigenkänningsmodeller.Segmentera bilder genom att tillämpa masker
Utforska bildsegmentering, inklusive semantisk, instans- och panoptisk segmentering, genom att tillämpa masker på bilder och lär dig om de olika modellarkitekturer som behövs för varje typ av segmentering.Generera bilder med GAN:er
Slutligen lär du dig hur du genererar egna bilder med hjälp av generativa adversariella nätverk (GAN:er). Du kommer att lära dig färdigheterna för att bygga och träna Deep Convolutional GANs (DCGANs) och hur du bedömer kvaliteten och mångfalden hos genererade bilder.I slutet av den här kursen har du fått de färdigheter och den erfarenhet som krävs för att arbeta med olika bilduppgifter med hjälp av PyTorch-modeller.Förkunskapskrav
Kursplan
Kursöversikt
1
Bildklassificering med CNN
Lär dig om bildklassificering med CNN, skillnaden mellan binära modeller och multiklassmodeller för bildklassificering, samt hur du använder transferlärning för bildklassificering i PyTorch.
- Binär och flerklassig bildklassificering50 XP
- Antalet klasser50 XP
- Modell för binär klassificering100 XP
- Modell för flerklass-klassificering100 XP
- Konvolutionslager för bilder50 XP
- RGB, gråskala eller alfa?50 XP
- Lägga till ett nytt konvolutionslager100 XP
- Skapa ett sekventiellt block100 XP
- Arbeta med förtränade modeller50 XP
- Spara och läs in en modell100 XP
- Läsa in en förtränad modell100 XP
- Bildklassificering med ResNet100 XP
2
Objektigenkänning
Detektera objekt i bilder genom att förutsäga begränsningsramar och utvärdera prestandan hos modeller för objektigenkänning.
3
Bildsegmentering
Lär dig om de tre typerna av bildsegmentering – semantisk, instans- och panotisk segmentering – deras tillämpningar och lämpliga modellarkitekturer för maskininlärning för att utföra var och en av dem.
4
Bildgenerering med GAN
Generera helt nya bilder med Generative Adversarial Networks (GAN). Lär dig bygga och träna ett Deep Convolutional GAN och hur du utvärderar kvaliteten och variationen hos dess utdata.
Djupinlärning för bilder med PyTorch
Kurs
slutförd
