Computer Vision with GluonCV (Portuguese)

Resumen

En este curso, obtendrá conocimientos prácticos sobre los componentes de una red neuronal convolucional (CNN), como convoluciones, capas de agrupamiento, etc. Alex Smola y Tong He muestran cómo implementar algunas técnicas de visión por computadora usando GluonCV, una caja de herramientas de visión por computadora.

Nota:

Este curso tiene transcripciones/subtítulos traducidos.

La narración está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.

Audiencia objetivo

Este curso está destinado a:

• Desarrolladores que buscan implementar modelos comunes de visión por computadora

Objetivos del curso

En este curso, aprenderá a:

• Resumir varios componentes de redes neuronales convolucionales, como convoluciones, relleno y canales
• Escribir los componentes como código al crear una red neuronal como LeNet
• Importar datos a un Cargador de Datos Gluon para entrenamiento y transformación

Requisitos previos

Recomendamos que los participantes del curso cumplan con los siguientes requisitos previos:

• Conocimiento básico de redes neuronales artificiales
• Conocimiento básico de temas de álgebra lineal, como matrices, multiplicación de matrices y productos escalares

Método de presentación

Este curso se presenta en el siguiente formato:

• Entrenamiento digital

Duración

2 horas

Descripción del curso

Este curso aborda los siguientes conceptos:

• Convoluciones
• Relleno y paso
• Canales
• Agrupamiento
• LeNet
• Funciones de activación
• Dropout
• Normalización por lotes
• Bloques
• La maldición de la última capa
• Redes residuales
• Procesamiento de datos

Universidad:

AWS Skill Builder

Categorías:

Cursos de Visión por Computadora, Cursos de Álgebra Lineal, Cursos de GluonCV

Asignaturas