|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/convolutional-neural-networks-fr
课程评论：没有评论
课程名称：卷积神经网络 课程概述：本课程将教您如何创建卷积神经网络并将其应用于图像数据。通过深度学习，计算机视觉的表现远比两年前有了显著提升，催生了众多令人兴奋的应用，例如安全的自动驾驶、精准的面部识别和自动读取放射影像等。 您将学习： - 理解如何构建卷积神经网络，包括诸如残差网络等最近的变体。 - 掌握将卷积网络应用于视觉检测和识别任务的能力。 - 学会使用神经风格转移技术生成艺术作品。 - 能够将这些算法应用于各种图像、视频及其他二维或三维数据。 本课程是深度学习专项的第四门课程。 课程大纲： 第一部分：深度卷积模型：案例研究 描述：直接从研究论文中发现深度卷积神经网络的实用技巧和方法。 第二部分：特殊应用：面部识别和神经风格转移 描述：了解CNN如何应用于多个领域，包括艺术生成和面部识别。实现您自己的算法以生成艺术作品和识别面孔！
Part: 1
Title:Modèles convolutifs profonds : études de cas
Description:Découvrir les astuces pratiques et les méthodes utilisées dans les CNN profonds directement à partir des articles de recherche.
Part: 2
Title:Applications spéciales : Reconnaissance faciale et transfert de style neuronal
Description:Découvrez comment les CNN peuvent être appliqués à plusieurs domaines, y compris la génération d'art et la reconnaissance faciale. Mettez en œuvre votre propre algorithme pour générer de l'art et reconnaître les visages !
Ce cours vous apprendra à créer des réseaux neuronaux convolutifs et à les appliquer aux données d'image. Grâce à l'apprentissage en profondeur, la vision par ordinateur fonctionne beaucoup mieux qu'il y a seulement deux ans, ce qui permet de nombreuses applications passionnantes allant de la conduite autonome en toute sécurité, à la reconnaissance faciale précise, à la lecture automatique des images radiologiques. Vous allez: - Comprendre comment créer un réseau neuronal convolutif, notamment les variations récentes telles que les réseaux résiduels. - Savoir appliquer les réseaux convolutifs aux tâches de détection et de reconnaissance visuelles. - Savoir utiliser le transfert de style neuronal pour générer de l'art. - Être à même d'appliquer ces algorithmes à une variété d'images, de vidéos et d'autres données 2D ou 3D. Il s'agit du quatrième cours de spécialisation d'apprentissage approfondi.
