Глубокое обучение :Реклама. Компьютерное зрение (обнаружение объектов+подробнее!)

Цена: $19.99

Последнее обновление: Я покажу вам, как использовать предварительно обученную модель и как обучить ее самостоятельно с помощью пользовательского набора данных на Google Ко.

Этот курс представляет собой полное руководство по настройке API обнаружения объектов TensorFlow., Трансфертное обучение и многое другое

Я думаю, что вы обнаружите, что, этот курс сильно отличается от предыдущего, вы будете впечатлены тем, сколько материала нам предстоит охватить.

Вот подробности о проекте.

Здесь мы начнем с преуменьшения Colab, потому что это поможет использовать бесплатный графический процессор, предоставленный Google, для обучения нашей модели..

Мы собираемся устранить разрыв между базовой архитектурой CNN, которую вы уже знаете и любите., современному, новые архитектуры, такие как РесНет, а также Зарождение.

Мы подробно разберемся с модулями обнаружения объектов, используя как API обнаружения объектов тензорного потока, так и алгоритмы YOLO..

Мы рассмотрим современный алгоритм под названием РЕСНЕТ и MobileNetV2 который быстрее и точнее своих предшественников.

Лучше всего то, что вы поймете основные основы CNN и то, как она медленно преобразуется в обнаружение объектов..

I hope you’re excited to learn about these advanced applications of CNNs Yolo and Tensorflow, увидимся в классе!

ПОТРЯСАЮЩИЕ ФАКТЫ:

· Этот курс дает вам полный опыт обучения моделей в графическом процессоре Colab..

· Вместо того, чтобы сосредоточиться на подробной внутренней работе CNN (что мы уже сделали), мы сосредоточимся на строительных блоках высокого уровня. Результат? Почти ноль математики.

· Еще один результат? Никакого сложного низкоуровневого кода, подобного написанному в Тензорный поток, Теано,ЙОЛО, или же PyTorch (хотя некоторые дополнительные упражнения могут содержать их для очень продвинутых учеников.). Большая часть курса будет проходить Жесткий что означает много утомительного, повторяющиеся вещи написаны для вас.

Предлагаемые предварительные условия:

· Уметь строить, поезд, и используйте CNN, используя некоторую библиотеку (желательно на Python)

· Понимать основные теоретические концепции, лежащие в основе свертки и нейронных сетей.

· Достойные навыки программирования на Python, желательно в области науки о данных и Numpy Stack

Для кого этот курс:

· Студенты и специалисты, которые хотят вывести свои знания в области компьютерного зрения и глубокого обучения на новый уровень.

· Любой, кто хочет узнать об алгоритмах обнаружения объектов, таких как SSD и YOLO.

· Любой, кто хочет научиться писать код для передачи нейронного стиля

· Любой, кто хочет использовать трансферное обучение

· Любой, кто хочет сократить время обучения и быстро создать современные сети компьютерного зрения.

· Любой, кто начинает изучать компьютерное зрение