Bimbingan Skripsi Tesis Disertasi Python | Deep Learning Advanced Computer Vision
Yang akan Anda pelajari
-
Memahami dan menerapkan pembelajaran transfer
-
Pahami dan gunakan jaring saraf konvolusional canggih seperti VGG, ResNet, dan Inception
-
Pahami dan gunakan algoritme deteksi objek seperti SSD
-
Memahami dan menerapkan transfer gaya saraf
-
Pahami topik visi komputer yang canggih
-
Peta Aktivasi Kelas
-
GAN (Generative Adversarial Networks)
-
Proyek Implementasi Lokalisasi Objek
Persyaratan
-
Ketahui cara membuat, melatih, dan menggunakan CNN menggunakan beberapa pustaka (sebaiknya dengan Python)
-
Memahami konsep teoritis dasar di balik konvolusi dan jaringan saraf
-
Keterampilan pengkodean Python yang layak, lebih disukai dalam ilmu data dan Numpy Stack
Deskripsi
Pembaruan terbaru : Alih-alih SSD, kami tunjukkan cara menggunakan RetinaNet, yang lebih baik dan lebih modern. Kami menunjukkan kepada Anda cara menggunakan model yang telah dilatih sebelumnya dan cara melatihnya sendiri dengan kumpulan data khusus di Google Colab .
Ini adalah salah satu kursus paling menarik yang pernah kami lakukan dan ini benar-benar menunjukkan seberapa cepat dan seberapa jauh pembelajaran yang mendalam telah terjadi selama bertahun-tahun.
Ketika kami pertama kali memulai seri pembelajaran mendalam kami , kami tidak pernah menganggap bahwa kami akan membuat dua kursus tentang jaringan saraf convolutional .
Kami pikir apa yang akan Anda temukan adalah, kursus ini sangat berbeda dari yang sebelumnya, Anda akan terkesan dengan banyaknya materi yang harus kami bahas.
Kami akan menjembatani kesenjangan antara arsitektur CNN dasar yang sudah Anda ketahui dan sukai, dengan arsitektur novel modern seperti VGG , ResNet , dan Inception (dinamai sesuai film yang juga bagus!)
Kita akan menerapkannya pada gambar sel darah, dan membuat sistem yang ahli medis lebih baik daripada Anda atau saya. Ini memunculkan ide menarik: bahwa dokter di masa depan bukanlah manusia, melainkan robot.
Dalam kursus ini, Anda akan melihat bagaimana kita dapat mengubah CNN menjadi sistem deteksi objek , yang tidak hanya mengklasifikasikan gambar, tetapi juga dapat menemukan setiap objek dalam gambar dan memprediksi labelnya.
Anda dapat membayangkan bahwa tugas seperti itu merupakan prasyarat dasar untuk kendaraan yang dapat mengemudi sendiri . (Ini harus dapat mendeteksi mobil, pejalan kaki, sepeda, lampu lalu lintas, dll secara real-time)
Kami akan melihat algoritme canggih yang disebut SSD yang lebih cepat dan lebih akurat daripada pendahulunya.
Tugas visi komputer lain yang sangat populer yang menggunakan CNN disebut transfer gaya saraf .
Di sinilah Anda mengambil satu gambar yang disebut gambar konten, dan gambar lain yang disebut gambar gaya, dan Anda menggabungkannya untuk membuat gambar yang sama sekali baru, seolah-olah Anda menyewa seorang pelukis untuk melukis konten gambar pertama dengan gaya tersebut. dari yang lain. Tidak seperti pelukis manusia, ini bisa dilakukan dalam hitungan detik.
Kami juga akan memperkenalkan Anda pada arsitektur GAN ( Generative Adversarial Networks ) yang sekarang terkenal, di mana Anda akan mempelajari beberapa teknologi di balik bagaimana jaringan saraf digunakan untuk menghasilkan gambar foto-realistis yang canggih.
Saat ini, kami juga mengimplementasikan pelokalan objek , yang merupakan langkah pertama yang penting menuju penerapan sistem deteksi objek lengkap.
Kami harap Anda bersemangat untuk belajar tentang aplikasi lanjutan CNN ini, sampai jumpa di kelas!
Untuk siapa kursus ini:
- Pelajar dan profesional yang ingin meningkatkan pengetahuan mereka tentang visi komputer dan pembelajaran mendalam ke tingkat selanjutnya
- Siapa pun yang ingin belajar tentang algoritma deteksi objek seperti SSD dan YOLO
- Siapa pun yang ingin mempelajari cara menulis kode untuk transfer gaya saraf
- Siapa pun yang ingin menggunakan pembelajaran transfer
- Siapa pun yang ingin mempersingkat waktu pelatihan dan membangun jaring visi komputer canggih dengan cepat