Aperçu
Description
Dans ce cours, vous acquerrez des connaissances utiles sur les composants d'un réseau neuronal convolutionnel (CNN), tels que les convolutions et les couches de regroupement, entre autres. Alex Smola et Tong He montrent comment implémenter certaines techniques de vision par ordinateur avec GluonCV, un ensemble d'outils de vision par ordinateur.
Note : Ce cours possède des transcriptions ou des sous-titres localisés. 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 s'adresse aux personnes suivantes :
- Développeurs cherchant à implémenter des modèles courants de vision par ordinateur.
Objectifs du cours
Dans ce cours, vous apprendrez à :
- Résumer plusieurs composants du réseau neuronal convolutionnel, tels que les convolutions, le remplissage et les canaux.
- Traduire les composants en code lors de la création d'un réseau neuronal comme LeNet.
- Importer vos données dans un chargeur de données Gluon pour l'entraînement et la transformation.
Prérequis
Nous recommandons que les participants à ce cours remplissent les prérequis suivants :
- Connaissances de base des réseaux neuronaux artificiels.
- Connaissances de base en algèbre linéaire telles que les matrices, la multiplication matricielle et les produits scalaires.
Mode de cours
Ce cours est dispensé de la manière suivante :
- Formation numérique.
Durée
2 heures.
Plan du cours
Dans ce cours, les concepts suivants seront abordés :
- Convolutions
- Remplissage et pas
- Canaux
- Regroupement
- LeNet
- Fonctions d'activation
- Dropout
- Normalisation par lots
- Blocs
- La malédiction de la dernière couche
- Réseaux résiduels
- Traitement des données
Université :
Fournisseur :
Catégories : Cours de Vision par Ordinateur, Cours GluonCV
