A Gépi tanulási problémák megoldása TensorFlow/Keras-ban (képfeldolgozás mélytanulás segítségével) című kurzus gépi tanulási mérnököknek szól – képfeldolgozással.
Ebben a kurzusban a hallgatók megismerkednek a képek osztályozásával és lokalizációjával, valamint a Computer Vision bevált gyakorlataival.
A tanfolyamon való részvételhez a hallgatóknak el kell végezniük a Tensorflow/Keras alapszintű gépi tanulási modulját.
Javasoljuk, hogy a tanulók rendelkezzenek az alábbi ismeretekkel:
Alapvető mélytanulás
● Neuronok
● Rétegek típusai
● Hálózatok
● Vesztési funkciók
● Optimalizálók
● Túlillesztés
● Tensorflow
Alapvető képfeldolgozás/számítógépes látás
● Kódolás
● Színterek
● Konvolúciók
● OpenCV/PIL
1. modul: Bevezetés a képfeldolgozás mélyreható tanulásába
- Gépi tanulás és mély tanulás
- Neurális hálózat anatómiája
- A konvolúciók típusai
- Keras munkafolyamat
2. modul: Alapszintű képfeldolgozás és számítógépes látás
- Képpontok és képek
- Koordináta-rendszer
- Csatornák
- OpenCV
- Csatorna rendelés
- Blur és Sharpen kernelek
Gyakorlati labor: Tanuljon meg alapvető képfeldolgozást az OpenCV használatával, tanuljon meg különböző szűrőmagokat alkalmazni a képeken az elmosódás létrehozásához vagy az alapvető élészleléshez.
3. modul: Felügyelt neurális hálózatok és rendszeresítés
- Alulteljesítés
- Túlfeszítés
- A hálózat méretének csökkentése
- Súlyszabályozás: L1, L2, Elasztikus
- Kidobni
- Kötegelt normalizálás
Gyakorlati labor: Valósítsa meg első alapvető neurális hálózatát, tanulja meg összehasonlítani azt, és tanulja meg, hogyan kerülje el a túlillesztést egy Computer Vision osztályozási feladatban.
4. modul: Konvolúciós neurális hálózatok
- Konvolúciós rétegek
- Mélységi fordulatok
- Konvolúciós neurális hálózatok építése Kerasban
- 1×1 Konvolúciók
- Adatbővítés
Gyakorlati labor: Javítsa korábbi neurális hálózatát konvolúciós rétegek hozzáadásával, összehasonlítsa őket, és hasonlítsa össze őket a teljesen összekapcsolt rétegekkel.
5. modul: Közös konvolúciós neurális hálózatok architektúrái
- ImageNet
- AlexNet
- VGGNet
- ResNet
- MobileNet
Gyakorlati labor: Tanulja meg, hogyan használhatja a Keras Hub már korszerű modelljeit.
6. modul: Konvolúciós neurális hálózatok újrafelhasználása
- Objektum lokalizáció
- Objektum szegmentálás
- VGG újrafelhasználása
- Finomhangolás
Gyakorlati labor: Tanulja meg, hogyan finomhangolhatja a már betanított konvolúciós neurális hálózatát a feladatnak megfelelően.
M7. óda: Megmagyarázható AI
- Köztes aktiválások megjelenítése
- Vizualizációs konvenció
- Hőtérképek megjelenítése
8. modul: Felügyelet nélküli generatív modellek képfeldolgozáshoz
- Automatikus kódolók a képekhez
- Elmosódás
- Képgenerálás
Gyakorlati labor: Hozzon létre egy új képet, hasonló az adatkészletből származó képekhez, véletlenszerű mag használatával. Generációs technikák létrehozása
9. modul: Valós világi gépi tanulás
- Tensorboard
- Mély tanulási modellek bevezetése
- Az algoritmus kiválasztása
Gépi tanulási problémák megoldása TensorFlow/Keras programban (Képfeldolgozás mély tanulással)
