Hands-on Data Centric Visual AI

Aperçu

Ce cours complet est un guide pratique pour développer et maintenir des ensembles de données de haute qualité pour les applications d'IA visuelle. Les apprenants acquerront des connaissances approfondies et des compétences pratiques dans:

• Découvrir et mettre en œuvre diverses approches de marquage, des méthodes manuelles aux méthodes entièrement automatisées
• Évaluer et améliorer la qualité des annotations pour les tâches de détection d'objets, y compris l'identification et la correction des problèmes de marquage courants
• Analyser l'impact de la qualité des boîtes englobantes sur les performances du modèle et développer des stratégies pour améliorer la cohérence des étiquettes
• Utiliser des outils avancés comme FiftyOne et CVAT pour l'exploration des ensembles de données, la correction des erreurs, et le raffinement des annotations
• Aborder des défis complexes en vision par ordinateur, tels que les détections chevauchantes, les occultations et la détection de petits objets
• Mettre en œuvre des techniques d'augmentation des données pour améliorer la robustesse et la généralisation des modèles
• Appliquer des concepts comme la dureté des échantillons et l'entropie dans le contexte de la formation des modèles et de la curation des ensembles de données

À travers une combinaison de connaissances théoriques et d'exercices pratiques, les étudiants apprendront à créer, maintenir, et optimiser des ensembles de données qui conduisent à des modèles d'IA visuelle plus précis et plus fiables.

Université:

Université de Californie, Davis

Fournisseur:

Coursera

Catégories:

Cours de Vision par Ordinateur, Cours de Détection d'Objets, Cours d'Augmentation des Données

Sujets