After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
这门使用 PyTorch 进行图像深度学习的课程将为您提供在图像分类、目标检测、分割和生成方面脱颖而出的实用技能和知识。
使用卷积神经网络（CNN）对图像进行分类
你将应用 CNN 进行二分类和多分类图像分类，并了解如何在 PyTorch 中利用预训练模型。 借助边界框，你还可以检测图像中的对象，并评估对象识别模型的性能。通过应用掩码对图像进行分割
探索图像分割，包括语义分割、实例分割和全景分割，通过将掩码应用于图像，并了解每种分割类型所需的不同模型架构。使用 GAN 生成图像
最后，你将学习如何使用生成对抗网络（GAN）生成自己的图像。 你将学习构建和训练深度卷积生成对抗网络（DCGAN）的技能，以及如何评估生成图像的质量和多样性。在本课程结束时，你将掌握使用 PyTorch 模型处理各种图像任务所需的技能和经验。先修要求
课程大纲
课程大纲
1
使用 CNN 的图像分类
学习使用 CNN 进行图像分类，了解二分类与多分类图像分类模型的区别，以及如何在 PyTorch 中使用迁移学习完成图像分类。
2
目标识别
通过预测目标的边界框来检测图像中的对象，并评估目标识别模型的性能。
3
图像分割
学习三种图像分割类型（语义分割、实例分割和全景分割）、其应用场景，以及各自适用的机器学习模型架构。
4
使用 GAN 的图像生成
使用生成对抗网络（GAN）生成全新的图像。学习搭建并训练深度卷积 GAN，以及如何评估其输出的质量与多样性。
使用 PyTorch 进行图像深度学习
课程完成
