Computer Vision with GluonCV (Japanese)

Aperçu

＊このコースの中のビデオには日本語の字幕がついています。字幕を表示させるには、ビデオ画面下のアイコンをクリックしてください。

Dans ce cours, vous approfondirez votre compréhension des composants des réseaux de neurones convolutifs (CNN) comme les couches de convolution et de pooling. Alex Smola et Tong He vous montrent comment implémenter la technologie de vision par ordinateur en utilisant GluonCV, un outil de vision par ordinateur.

Ce cours s'adresse aux personnes suivantes.

• Développeurs envisageant de mettre en œuvre des modèles de vision par ordinateur généraux

Dans ce cours, vous apprendrez à :

• Décrire les différents composants des réseaux de neurones convolutifs tels que la convolution, le padding, les canaux, etc.
• Convertir ces composants en code lors de la création de réseaux de neurones comme LeNet
• Importer des données dans Gluon Data Loader pour l'entraînement et la transformation

Les participants à ce cours sont recommandés de remplir les prérequis suivants.

• Compréhension de base des réseaux de neurones artificiels
• Compréhension de base de l'algèbre linéaire, y compris les matrices, les multiplications de matrices, et les produits scalaires

Ce cours est offert sous le format suivant.

• Formation numérique

Durée :

2 heures

Ce cours couvre les concepts suivants.

• Convolution
• Padding et stride
• Canaux
• Pooling
• LeNet
• Fonctions d'activation
• Dropout
• Normalisation par lots
• Blocs
• La malédiction de la dernière couche
• Réseaux résiduels
• Traitement des données

Université :

Fournisseur :

AWS Skill Builder
Catégories :

Cours de Vision par Ordinateur, Cours d'Algèbre Linéaire, Cours de GluonCV

---

Sujets