Computer Vision with GluonCV (Portuguese)

Aperçu

Dans ce cours, vous acquerrez des connaissances pratiques sur les composants d'un réseau neuronal convolutif (CNN), tels que les convolutions, les couches de regroupement, etc. Alex Smola et Tong He montrent comment implémenter certaines techniques de vision par ordinateur en utilisant GluonCV, une boîte à outils de vision par ordinateur.

Remarque :

Ce cours dispose de transcriptions/sous-titres traduits.

La narration est en anglais. Pour afficher les sous-titres, cliquez sur le bouton CC dans le coin inférieur droit du lecteur.

Public cible

Ce cours est destiné à :

• Développeurs cherchant à implémenter des modèles courants de vision par ordinateur

Objectifs du cours

Dans ce cours, vous apprendrez à :

• Résumer les différents composants des réseaux neuronaux convolutifs, tels que les convolutions, le padding et les canaux
• Écrire les composants sous forme de code en construisant un réseau neuronal tel que LeNet
• Importer des données dans un Gluon Data Loader pour l'entraînement et la transformation

Prérequis

Nous recommandons que les participants au cours remplissent les prérequis suivants :

• Connaissance de base des réseaux neuronaux artificiels
• Connaissance de base des sujets d'algèbre linéaire, tels que les matrices, la multiplication de matrices et les produits scalaires

Méthode de présentation

Ce cours est présenté sous le format suivant :

• Formation numérique

Durée

2 heures

Description du cours

Ce cours couvre les concepts suivants :

• Convolutions
• Padding et stride
• Canaux
• Pooling
• LeNet
• Fonctions d'activation
• Dropout
• Batch normalization
• Blocs
• La malédiction de la dernière couche
• Réseaux résiduels
• Traitement des données

Université :

AWS Skill Builder

Catégories :

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

Sujets