Kursplan

Introduktion till Computer Vision

  • Översikt över program för datorseende
  • Förstå bilddata och bildformat
  • Utmaningar med uppgifter för datorseende

Introduktion till faltning Neural Networks (CNNs)

  • Vad är CNN?
  • Arkitektur för CNN: Faltningslager, pooler och fullständigt anslutna lager
  • Hur CNN används inom datorseende

Hands-On med TensorFlow och Google Colab

  • Konfigurera miljön i Google Colab
  • Använda TensorFlow för modellbygge
  • Skapa en enkel CNN-modell i TensorFlow

Avancerade CNN-tekniker

  • Överför inlärning för CNN:er
  • Finjustera förtränade modeller
  • Dataförstärkningstekniker för förbättrad prestanda

Bildförbehandling och förstoring

  • Tekniker för förbehandling av bilder (skalning, normalisering osv.)
  • Utöka bilddata för bättre modellträning
  • Använda TensorFlow:s bilddatapipeline

Skapa och distribuera Computer Vision-modeller

  • Träna CNN:er för bildklassificering
  • Utvärdera och validera modellens prestanda
  • Distribuera modeller till produktionsmiljöer

Verkliga tillämpningar av Computer Vision

  • Datorseende inom hälso- och sjukvård, detaljhandel och säkerhet
  • AI-driven objektdetektering och igenkänning
  • Använda CNN för ansikts- och gestigenkänning

Sammanfattning och nästa steg

Krav

  • Erfarenhet av Python programmering
  • Förståelse för begrepp inom djupinlärning
  • Grundläggande kunskaper om konvolutionella neurala nätverk (CNN)

Publik

  • Datavetare
  • AI-utövare
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier