Aprenda el aprendizaje profundo con el tutorial de Python Guía completa sin conexión
El aprendizaje profundo agregó un gran impulso al campo de la visión por computadora que ya se estaba desarrollando rápidamente. Con el aprendizaje profundo, se han introducido muchas aplicaciones nuevas de técnicas de visión por computadora y ahora se están convirtiendo en parte de nuestra vida cotidiana. Estos incluyen el reconocimiento y la indexación de rostros, la estilización de fotografías o la visión artificial en automóviles autónomos.
El objetivo de esta aplicación es presentar a los entusiastas del aprendizaje profundo a la visión por computadora, comenzando desde lo básico y luego pasando a modelos de aprendizaje profundo más modernos. El aprendizaje profundo para la aplicación de visión por computadora cubrirá tanto el reconocimiento de imágenes como de video, incluida la clasificación y anotación de imágenes, el reconocimiento de objetos y la búsqueda de imágenes, varias técnicas de detección de objetos, estimación de movimiento, seguimiento de objetos en video, reconocimiento de acciones humanas y, finalmente, estilización, edición y nueva generación de imágenes. En el proyecto del curso, los estudiantes aprenderán cómo construir un sistema de manipulación y reconocimiento facial para comprender la mecánica interna de esta tecnología, probablemente la más conocida y a menudo demostrada en películas y programas de televisión como ejemplo de visión por computadora e inteligencia artificial.
Tema específico principal:
✔ ¿Qué es Deep Learning ?.
✔ Fundamentos de la imagen.
✔ Conceptos básicos de clasificación de imágenes.
✔ Conjuntos de datos para la clasificación de imágenes.
✔ Configuración de su entorno de desarrollo
✔ Cree un clasificador de primera imagen.
✔ Aprendizaje parametrizado
✔ Métodos de optimización y regularización.
✔ Fundamentos de redes neuronales.
✔ Redes neuronales convolucionales.
✔ Entrenando su primera CNN.
✔ Guardar y cargar sus modelos
✔ LeNet: Reconocimiento de dígitos escritos a mano.
✔ MiniVGGNet: profundizar con las CNN
✔ Programadores de tasas de aprendizaje.
✔ Detección de ajuste insuficiente y excesivo.
✔ Modelos de puntos de control.
✔ Visualización de arquitecturas de red.
✔ Conceptos de visión artificial y ejemplos prácticos
✔ CNN listos para usar para clasificación.
✔ Temas centrales de la programación Python.
✔ Ejemplos de código Python de temas de ciencia de datos.
✔ Aprendizaje automático con ejemplos de código.