Deep Learning with Python for Android APK

La description

Le but de cette application est d'initier les passionnés d'apprentissage en profondeur à la vision par ordinateur, en commençant par les bases, puis en se tournant vers des modèles d'apprentissage en profondeur plus modernes. L'apprentissage en profondeur pour l'application de vision par ordinateur couvrira à la fois la reconnaissance d'images et de vidéos, y compris la classification et l'annotation d'images, la reconnaissance d'objets et la recherche d'images, diverses techniques de détection d'objets, l'estimation de mouvement, le suivi d'objets dans la vidéo, la reconnaissance d'actions humaines et enfin la stylisation, l'édition et nouvelle génération d'images. Dans le projet de cours, les étudiants apprendront à construire un système de reconnaissance et de manipulation des visages pour comprendre les mécanismes internes de cette technologie, probablement la plus connue et souvent démontrée dans les films et les émissions de télévision, exemple de vision par ordinateur et d'IA.

Sujet spécifique principal :

Qu'est-ce que l'apprentissage en profondeur ?.

Fondamentaux de l'image.

Notions de base de la classification d'images.

Ensembles de données pour la classification d'images.

Configuration de votre environnement de développement

Créer le premier classeur d'images.

Apprentissage paramétré

Méthodes d'optimisation et régularisation.

Fondamentaux des réseaux de neurones.

Réseaux de neurones convolutifs.

Formation de votre premier CNN .

Enregistrement et chargement de vos modèles

LeNet : Reconnaître les chiffres manuscrits.

MiniVGGNet : aller plus loin avec les CNN

Planificateurs de taux d'apprentissage.

Repérer Undertting et Overtting.

Modèles de points de contrôle.

Visualisation des architectures réseau.

Concepts de vision par ordinateur et exemples pratiques

CNN prêts à l'emploi pour Classication.

Sujets de base de la programmation Python.

Sujets de science des données Exemples de code Python.

Apprentissage automatique avec des exemples de code.