|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/introduction-au-deep-learningtensorflow-et-keras/
课程评论：没有评论
**Python与深度学习图像识别课程总结** 本课程旨在通过图像分类项目，帮助学员理解计算机视觉的基本概念。学员将通过一个二元图像分类项目，学习图像分类的原理。 完成本入门课程后，学员可以进一步学习进阶课程“深度学习：使用TensorFlow和Keras进行图像分类”，该课程内容更全面，包含三个项目： 1. **从零开始编码感知器：** 在不使用TensorFlow的情况下，学员将亲手编码一个感知器（单层神经网络），以深入理解深度学习模型的工作原理。 2. **多类图像分类：** 使用Fashion-MNIST数据集，学员将使用TensorFlow、Keras和卷积神经网络对时尚物品（如包、凉鞋、运动鞋、T恤等）进行10类分类，目标精度达到96%。 3. **二元图像分类：** 利用包含3000张猫狗照片的数据集，学员将进行猫狗二元分类。此项目将介绍图像增强和迁移学习等关键技术。 通过本课程的学习，学员将掌握对任意图像类别进行分类的能力，并能进一步探索人脸识别、情绪识别等其他计算机视觉应用领域。
Cette formation vous permettra de comprendre la vision par ordinateur en classifiant des images.Vous comprendrez c'est quoi la classification d'images en réalisant un projet de classification d'images binaire. Après cette formation vous pouvez prendre ma formation Deeplearning: classification d'images avec tensorflow,Keras que vous trouverez en cliquant sur mon profile qui elle est plus complète car dans celle là nous réaliserons 3 différents projets:1 - coder un perceptron de zéro: qui vous permettra de comprendre comment un modèle de deep learning marche, car nous allons coder un perceptron (réseau de neurone à une seule couche) sans utiliser tensorflow 2 - classification d'images multi classes: nous allons classifier des images d'articles de modes(sac, sandale, sneaker, tee-shirt etc..) en 10 classes différentes avec la base de donnée fashion-mnist et cette fois si avec tensorflow et keras et les réseaux de neurones convolutifs(nous obtiendrons une précision de 96%)3 - classification d'images binaire: nous allons classifier des images de chats et de chien avec une base de données de 3000 photos de chien et de chat. dans ce dernier projet nous allons apprendre plusieurs techniques comme l'augmentation d'image, et l'apprentissage par transfert.Avec les connaissances acquises dans ce cours vous allez pouvoir classifier n'importe qu'elle catégorie d'image et vous allez pouvoir vous lancez dans d'autres applications de la vision par ordinateur tels que la reconnaissance faciale, la détection d'émotion etc...
