Deep Learning with Python for Android

Opis

Celem tej aplikacji jest wprowadzenie entuzjastów głębokiego uczenia się do wizji komputerowej, zaczynając od podstaw, a następnie przechodząc do bardziej nowoczesnych modeli głębokiego uczenia się. Głębokie uczenie dla aplikacji wizji komputerowej obejmie zarówno rozpoznawanie obrazu, jak i wideo, w tym klasyfikację i adnotację obrazu, rozpoznawanie obiektów i wyszukiwanie obrazów, różne techniki wykrywania obiektów, szacowanie ruchu, śledzenie obiektów w wideo, rozpoznawanie ludzkich działań, a wreszcie stylizację obrazu, edycję i nowa generacja obrazu. W ramach projektu studenci dowiedzą się, jak zbudować system rozpoznawania twarzy i manipulacji, aby zrozumieć wewnętrzną mechanikę tej technologii, prawdopodobnie najbardziej znanej i często pokazywanej w filmach i programach telewizyjnych, przykład wizji komputerowej i sztucznej inteligencji.

Główny temat szczegółowy:

Co to jest głębokie uczenie?

Podstawy wizerunku.

Podstawy klasyfikowania obrazu.

Zestawy danych do klasyfikowania obrazu.

Konfiguracja środowiska programistycznego

Utwórz pierwszą klasę obrazu.

Sparametryzowane uczenie

Metody optymalizacji i regularyzacja.

Podstawy sieci neuronowych.

Konwolucyjne sieci neuronowe.

Szkolenie pierwszego kanału CNN .

Zapisywanie i ładowanie modeli

LeNet: Rozpoznawanie odręcznych cyfr.

MiniVGGNet: zagłębianie się w sieci CNN

Harmonogramy szybkości uczenia się.

Dostrzeganie niedociągnięcia i przesunięcia.

Modele kontrolne.

Wizualizacja architektur sieciowych.

Koncepcje i przykłady praktyczne dotyczące wizji komputerowej

Gotowe CNN do klasyfikowania.

Podstawowe tematy programowania w Pythonie.

Tematy Data Science Przykłady kodu Python.

Uczenie maszynowe z przykładami kodu.