深度学习 :进阶. 计算机视觉 (物体检测+更多!)
最新更新: 我将向您展示如何使用预训练模型以及如何使用自定义数据集自行训练模型 谷歌 Colab.
本课程是设置 TensorFlow 对象检测 api 的完整指南, 迁移学习等等
我想你会发现, 这门课程与上一门课程完全不同, 您会对我们必须涵盖的材料数量印象深刻.
这是有关该项目的详细信息.
在这里，我们将从 colab 开始低估，因为这将有助于使用 google 提供的免费 GPU 来训练我们的模型.
我们将弥合您已经了解和喜爱的基本 CNN 架构之间的差距, 到现代, 新颖的架构，例如 资源网, 和 成立之初.
我们将使用 tensorflow 对象检测 api 以及 YOLO 算法详细了解对象检测模块.
我们将研究一种最先进的算法，称为 RESNET 和 MobileNetV2 这比它的前辈更快更准确.
最好的一件事是您将了解 CNN 的核心基础知识以及它如何缓慢地转换为对象检测.
我希望你很高兴了解 CNNs Yolo 和 Tensorflow 的这些高级应用, 我会在课堂上见到你!
惊人的事实:
· 本课程让你全面掌握在 colab GPU 中训练模型的经验.
· 而不是专注于 CNN 的详细内部工作原理 (我们已经完成了), 我们将专注于高级构建块. 结果? 几乎为零的数学.
· 另一个结果? 没有复杂的低级代码，例如用 张量流, 西阿诺,优洛, 要么 PyTorch (虽然一些可选练习可能包含非常高级的学生). 大部分课程将在 难的 这意味着很多乏味的, 重复的东西是为你写的.
建议的先决条件:
· 知道如何建造, 培养, 并使用某个库使用 CNN (最好在 Python 中)
· 了解卷积和神经网络背后的基本理论概念
· 良好的 Python 编码技能, 最好是数据科学和 Numpy Stack
这门课程适合谁:
· 希望将计算机视觉和深度学习知识提升到新水平的学生和专业人士
· 任何想学习对象检测算法如 SSD 和 YOLO 的人
· 任何想学习如何为神经风格迁移编写代码的人
· 任何想使用迁移学习的人
· 任何想要缩短训练时间并快速构建最先进的计算机视觉网络的人
· 任何开始使用计算机视觉的人
发表评论
你必须 登录 要么 寄存器 添加新评论 .