After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
คอร์สนี้เกี่ยวกับการเรียนรู้เชิงลึกสำหรับภาพโดยใช้ PyTorch จะมอบทักษะเชิงปฏิบัติและความรู้ที่คุณต้องมีเพื่อก้าวสู่ความเป็นเลิศในการจำแนกภาพ การตรวจจับวัตถุ การแบ่งส่วน และการสร้างภาพ
จำแนกรูปภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNNs)
คุณจะนำ CNN ไปใช้สำหรับการจำแนกภาพแบบไบนารีและหลายคลาส และเข้าใจวิธีใช้ประโยชน์จากโมเดลที่ผ่านการฝึกมาก่อนใน PyTorch ด้วยกรอบสี่เหลี่ยมล้อม คุณยังจะสามารถตรวจจับวัตถุภายในภาพและประเมินประสิทธิภาพของโมเดลการรู้จำวัตถุได้แบ่งส่วนภาพโดยการใช้มาสก์
สำรวจการแบ่งส่วนภาพ รวมถึงการแบ่งส่วนเชิงความหมาย การแบ่งส่วนแบบอินสแตนซ์ และการแบ่งส่วนแบบแพนอปติก โดยการใช้มาสก์กับภาพ และเรียนรู้เกี่ยวกับสถาปัตยกรรมโมเดลที่แตกต่างกันซึ่งจำเป็นสำหรับการแบ่งส่วนแต่ละประเภทสร้างภาพด้วย GANs
สุดท้าย คุณจะได้เรียนรู้วิธีสร้างภาพของคุณเองด้วย Generative Adversarial Networks (GANs) คุณจะได้เรียนรู้ทักษะในการสร้างและฝึก Deep Convolutional GANs (DCGANs) และวิธีประเมินคุณภาพและความหลากหลายของภาพที่สร้างขึ้นเมื่อจบหลักสูตรนี้ คุณจะได้รับทักษะและประสบการณ์ในการทำงานกับงานด้านภาพหลากหลายประเภทโดยใช้โมเดล PyTorchข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การจำแนกประเภทภาพด้วย CNN
เรียนรู้การจำแนกประเภทภาพด้วย CNN ความแตกต่างระหว่างโมเดลจำแนกประเภทภาพแบบไบนารีและแบบหลายคลาส รวมถึงวิธีใช้ transfer learning สำหรับการจำแนกประเภทภาพใน PyTorch
- การจำแนกภาพแบบ Binary และ Multi-class50 XP
- จำนวนคลาส50 XP
- โมเดล Binary Classification100 XP
- โมเดลสำหรับการจำแนกประเภทแบบหลายคลาส100 XP
- Convolutional layers สำหรับรูปภาพ50 XP
- RGB, Grayscale, หรือ Alpha?50 XP
- การเพิ่ม Convolutional Layer ใหม่100 XP
- การสร้าง Sequential Block100 XP
- การทำงานกับโมเดลที่ผ่านการฝึกมาแล้ว50 XP
- บันทึกและโหลดโมเดล100 XP
- การโหลดโมเดลที่ผ่านการเทรนมาแล้ว100 XP
- การจำแนกภาพด้วย ResNet100 XP
2
การรู้จำวัตถุ
ตรวจจับวัตถุในภาพโดยการทำนาย bounding box รอบวัตถุ และประเมินประสิทธิภาพของโมเดลการรู้จำวัตถุ
3
การแบ่งส่วนภาพ
เรียนรู้การแบ่งส่วนภาพ 3 ประเภท ได้แก่ semantic, instance และ panoptic การประยุกต์ใช้งาน และสถาปัตยกรรมโมเดล machine learning ที่เหมาะสมสำหรับแต่ละประเภท
4
การสร้างภาพด้วย GAN
สร้างภาพใหม่ทั้งหมดด้วย Generative Adversarial Networks (GANs) เรียนรู้วิธีสร้างและเทรน Deep Convolutional GAN รวมถึงการประเมินคุณภาพและความหลากหลายของภาพที่ได้
Deep Learning สำหรับภาพด้วย PyTorch
เรียนจบแล้ว
