Компютърно зрение
Конволюция, CNN архитектури и ResNet, аугментация, трансферно обучение, детекция и YOLO, сегментация, ViT и CLIP.
16 урока · около 385 минНОИИIOAIНужно: NumPy, Визуализация на данни, Невронни мрежи от нулата, Обработка на естествен език, Трансформъри и големи езикови модели
Първо завърши: matplotlib: графики, NumPy: операции и broadcasting
- 1
Изображенията като числа
Пиксели, канали, нормализация и филтри с NumPy
25 мин Заключен
- 2
Филтри и конволюция на ръка
Размиване, контури и как ядрото „гледа“ картинката
20 мин Заключен
- 3
Конволюционни мрежи (CNN)
Как филтрите обхождат изображението, размер на изхода и брой параметри
40 мин Заключен
- 4
Пулинг, стъпка и padding
Как се смаляват картите и как расте зрителното поле
20 мин Заключен
- 5
От LeNet до ResNet
Как се развиваха архитектурите и какво научихме от тях
20 мин Заключен
- 6
Остатъчни връзки
Защо ResNet може да е дълбок 100+ слоя
20 мин Заключен
- 7
Аугментация на изображения
Обръщане, изрязване, яркост, шум, Cutout и Mixup
20 мин Заключен
- 8
Аугментация и трансферно обучение
Как да обучиш добър модел с малко изображения
30 мин Заключен
- 9
Детекция и сегментация
Правоъгълници, IoU, NMS, маски и метриката Dice
30 мин Заключен
- 10
Кутии: формати, котви и регресия
Как детекторът предсказва правоъгълници
20 мин Заключен
- 11
Как работи YOLO
Детекция с едно минаване през мрежата
20 мин Заключен
- 12
Сегментация и U-Net
Клас за всеки пиксел: енкодер, декодер и мостове
20 мин Заключен
- 13
Метриката mAP
Как се оценява детектор
20 мин Заключен
- 14
Vision Transformers
Картинката като поредица от парчета
20 мин Заключен
- 15
CLIP: изображения и текст
Общо пространство и класификация без обучение
20 мин Заключен
- 16
Проект: разпознаване на форми
Малка CNN в NumPy и същата задача в PyTorch
40 мин Заключен
Изпит на курса
Отключва се, когато завършиш всички уроци.