Návrh Školení

Úvod do Computer Vision

  • Přehled aplikací počítačového vidění
  • Pochopení obrazových dat a formátů
  • Výzvy v úlohách počítačového vidění

Úvod do konvoluční Neural Networks (CNN)

  • Co jsou CNN?
  • Architektura CNN: Konvoluční vrstvy, sdružování a plně propojené vrstvy
  • Jak se CNN používají v počítačovém vidění

Praktické s TensorFlow a Google Colab

  • Nastavení prostředí v Google Colab
  • Použití TensorFlow pro stavbu modelu
  • Vytvoření jednoduchého modelu CNN v TensorFlow

Pokročilé techniky CNN

  • Přeneste učení pro CNN
  • Jemné doladění předtrénovaných modelů
  • Techniky rozšiřování dat pro lepší výkon

Předzpracování a augmentace obrazu

  • Techniky předběžného zpracování obrazu (škálování, normalizace atd.)
  • Rozšíření obrazových dat pro lepší trénink modelu
  • Použití kanálu obrazových dat TensorFlow

Sestavení a nasazení Computer Vision modelů

  • Školení CNN pro klasifikaci obrázků
  • Vyhodnocování a ověřování výkonnosti modelu
  • Nasazení modelů do produkčního prostředí

Aplikace v reálném světě Computer Vision

  • Počítačové vidění ve zdravotnictví, maloobchodě a bezpečnosti
  • Detekce a rozpoznávání objektů s umělou inteligencí
  • Použití CNN pro rozpoznávání obličejů a gest

Shrnutí a další kroky

Požadavky

  • Zkušenosti s programováním Python
  • Pochopení konceptů hlubokého učení
  • Základní znalost konvolučních neuronových sítí (CNN)

Publikum

  • Datoví vědci
  • praktikující AI
 21 hodiny

Počet účastníků


Price per participant

Reference (1)

Upcoming Courses

Související kategorie