Deep Learning with Python for Android

Kuvaus

Tämän sovelluksen tavoitteena on esitellä syväoppimisen harrastaja tietokonenäön kanssa aloittaen perusasioista ja siirtymällä sitten modernimpiin syväoppimismalleihin. Deep learning for Computer vision -sovelluksen kattaa sekä kuvan- että videotunnistuksen, mukaan lukien kuvan luokittelun ja merkinnät, objektien tunnistuksen ja kuvahaun, erilaiset esineiden tunnistustekniikat, liikkeen arvioinnin, objektien seurannan videossa, ihmisen toiminnan tunnistuksen ja lopuksi kuvien tyylittelyn, muokkauksen ja uusi kuvasukupolvi. Kurssiprojektissa opiskelijat oppivat rakentamaan kasvojentunnistus- ja manipulointijärjestelmän ymmärtääkseen tämän tekniikan sisäistä mekaniikkaa, joka on luultavasti tunnetuin ja usein elokuvissa ja TV-ohjelmissa esitelty esimerkki tietokonenäöstä ja tekoälystä.

Pääaihe:

Mitä syväoppiminen on?.

Kuvan perusteet.

Kuvan klassisoinnin perusteet.

Tietojoukot kuvan klassistamista varten.

Kehitysympäristösi yhteensovittaminen

Luo ensimmäinen kuvaluokka.

Parametrisoitu oppiminen

Optimointimenetelmät ja laillistaminen.

Neuraaliverkon perusteet.

Konvoluutiohermoverkot.

Ensimmäisen CNN:n kouluttaminen.

Malliesi tallentaminen ja lataaminen

LeNet: Käsinkirjoitettujen numeroiden tunnistaminen.

MiniVGGNet: Mene syvemmälle CNN:n kanssa

Oppimisnopeuden ajoittajat.

Underttingin ja Overttingin havaitseminen.

Tarkistuspisteiden mallit.

Verkkoarkkitehtuurien visualisointi.

Computer Vision käsitteet ja käytännön esimerkkejä

Valmistetut CNN:t klassisointia varten.

Python-ohjelmoinnin ydinaiheet.

Datatieteen aiheet Python-koodiesimerkkejä.

Koneoppiminen koodiesimerkeillä.