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