从头开始实现对象检测、图像分割、图像分类、图像生成和人数统计!

你会学到什么
Python入门,到更高级的概念,如面向对象编程、装饰器、生成器,甚至像Numpy & Matplotlib这样的专用库
掌握机器学习机器学习开发生命周期的基础知识。
线性回归、逻辑回归和从头构建的神经网络。
TensorFlow安装,基础知识和用TensorFlow 2训练神经网络。
卷积神经网络,现代神经网络,用TensorFlow 2训练对象识别模型。
乳腺癌检测、人数统计、使用yolo的对象检测和图像分割
从零开始生成的对抗性神经网络和图像生成

MP4 |视频:h264,1280×720 |音频:AAC,44.1 KHz,2声道
语言:英语+中英文字幕(云桥网络 机译) |时长:103节课(29小时4分钟)|大小解压后:11.8 GB



要求
基础数学
没有编程经验。

描述
在本课程中,我们将着眼于核心深度学习概念,并使用Python编程语言和TensorFlow 2将我们的知识应用于解决计算机视觉中的现实世界问题。我们将解释核心的机器学习主题,如线性回归,逻辑回归,多类分类和神经网络。如果你已经到了这一步,这意味着你有兴趣掌握计算机视觉的深度学习,并利用你的技能解决实际问题。Master Deep Learning for Computer Vision with TensorFlow 2

你可能已经有一些关于机器学习、计算机视觉或深度学习的知识,或者你可能是第一次接触深度学习。你来自哪一端并不重要,因为在本课程结束时,你将成为一名拥有丰富实践经验的专家。

你将利用从本课程中学到的知识从事几个项目,如物体检测、图像生成、物体计数、物体识别、疾病检测、图像分割等。

如果你愿意在你的职业生涯中更进一步,这个课程是为你而设的,我们非常乐意帮助你实现你的目标!

这门课程是由Neuralearn提供给你的。就像Neuralearn的其他课程一样,我们非常重视反馈。您在论坛中的评论和问题将有助于我们更好地学习这门课程。



完成本课程后,您将掌握以下不同的概念。

机器学习基础。

基本Python编程

根据任务选择机器型号

错误制裁

线性回归

逻辑回归

多类回归

神经网络

培训和优化

性能测定

验证和测试

用python从头开始构建机器学习模型。

过度拟合和欠拟合

洗牌

组装

重量初始化

数据不平衡

学习率衰减

正常化

超参数调谐

张量流装置

用TensorFlow 2训练神经网络

使用TensorFlow进行Imagenet训练

卷积神经网络

VGGNets

ResNets

概念网

移动网络

效率网络

迁移学习和微调

数据扩充

复试

使用Tensorboard监控

乳腺癌检测

YOLO物体检测

基于UNETs的图像分割

人数统计

使用GANs进行生成建模

图象生成


这门课程是给谁的

初级Python开发人员对将深度学习应用于计算机视觉很感兴趣

希望了解如何使用深度学习构建和训练最先进的计算机视觉模型的计算机视觉从业者。

任何希望掌握深度学习基础知识并使用TensorFlow中的最佳实践实践计算机视觉深度学习的人。

希望掌握事物如何在引擎盖下工作的计算机视觉从业者的深度学习。

云桥网络 为三维动画制作,游戏开发员、影视特效师等CG艺术家提供视频教程素材资源!