Computer Vision with GluonCV (German)

via AWS Skill Builder

Aperçu

Dans ce cours, vous acquerrez une compréhension utile des composants d’un réseau de neurones convolutifs (Convolutional Neural Network – CNN) tels que les convolutions et les couches de pooling, etc. Dans ce cours, Alex Smola et Tong He montrent comment implémenter certaines techniques de vision par ordinateur avec GluonCV, une boîte à outils de vision par ordinateur.

Remarque : Ce cours dispose de transcriptions/sous-titres localisés. La présentation est en anglais. Pour afficher les sous-titres, cliquez sur le bouton CC dans le coin inférieur droit du lecteur.

Audience cible

Ce cours est conçu pour les audiences suivantes :

Développeurs souhaitant implémenter des modèles de vision par ordinateur courants

Objectifs du cours

Contenu de ce cours :

Résumer les différents composants d’un réseau de neurones convolutifs tels que les convolutions, le rembourrage et les canaux
Traduire les composants en code lors de la création d’un réseau de neurones tel que LeNet
Importer des données dans un Gluon Data Loader pour l'entraînement et la transformation

Prérequis

Nous recommandons aux participants de ce cours de remplir les prérequis suivants :

Une compréhension de base des réseaux de neurones artificiels
Une compréhension de base des sujets d’algèbre linéaire tels que les matrices, la multiplication de matrices et les produits scalaires