What You Need to Know Before
You Start

Starts 8 June 2025 13:55

Ends 8 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Modèles préentraînés pour la classification d'images et la détection d'objets - Partie 3 de la vision par ordinateur

Explorez les modèles préentraînés pour la classification d'images et la détection d'objets dans cette troisième partie de la série sur la vision par ordinateur.
Launchpad via YouTube

Launchpad

2544 Cours


20 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Video

Optional upgrade avallable

Aperçu

Explorez les modèles préentraînés pour la classification d'images et la détection d'objets dans cette troisième partie de la série sur la vision par ordinateur.

Programme

  • Introduction aux modèles pré-entraînés
  • Aperçu des modèles pré-entraînés en vision par ordinateur
    Avantages de l'utilisation de modèles pré-entraînés
  • Classification d'images avec des modèles pré-entraînés
  • Modèles pré-entraînés couramment utilisés pour la classification d'images
    Techniques d'apprentissage par transfert pour la classification d'images
    Évaluation des modèles de classification d'images
  • Détection d'objets avec des modèles pré-entraînés
  • Vue d'ensemble des tâches de détection d'objets
    Modèles pré-entraînés populaires pour la détection d'objets
    Techniques d'apprentissage par transfert pour la détection d'objets
    Évaluation des modèles de détection d'objets
  • Implémentation de modèles pré-entraînés en utilisant des frameworks populaires
  • Introduction à TensorFlow et PyTorch
    Pratique : Classification d'images avec TensorFlow/PyTorch
    Pratique : Détection d'objets avec TensorFlow/PyTorch
  • Ajustement fin des modèles pré-entraînés
  • Stratégies pour l'ajustement fin des modèles
    Pratique : Ajustement fin d'un modèle pour un ensemble de données personnalisé
  • Considérations pratiques pour l'utilisation de modèles pré-entraînés
  • Exigences computationnelles et optimisation
    Techniques d'augmentation des données
    Gestion des ensembles de données déséquilibrés
  • Études de cas et applications concrètes
  • Histoires à succès de l'utilisation des modèles pré-entraînés
    Analyse des applications spécifiques à l'industrie
  • Projet final et évaluation
  • Concevoir et implémenter un projet en utilisant des modèles pré-entraînés
    Présentation et évaluation par les pairs des projets
  • Résumé du cours et perspectives d'avenir
  • Récapitulatif des concepts clés
    Tendances émergentes dans les modèles pré-entraînés et la vision par ordinateur
  • Ressources supplémentaires et références
  • Lectures suggérées et ressources en ligne
    Parcours d'apprentissage continu en vision par ordinateur

Sujets

Informatique