Глубокое обучение: Продвинутое компьютерное зрение

Это один из самых захватывающих курсов, которые я сделал, и он действительно показывает, как быстро и далеко зашло обучение. Когда я впервые начал серию глубокого обучения, я никогда не думал, что сделаю два курса по сверточным нейронным сетям.

Я думаю, что вы обнаружите, что этот курс настолько отличается от предыдущего, что вы будете поражены тем, сколько материала нам нужно охватить.

Позвольте мне кратко изложить содержание этого курса:

Мы собираемся преодолеть разрыв между базовой архитектурой CNN, которую вы уже знаете и любите, и современными, новыми архитектурами, такими как VGG, ResNet и Inception (названными в честь фильма, который, кстати, тоже великолепен!)

Мы собираемся применить их к изображениям клеток крови и создать систему, которая будет лучшим медицинским экспертом, чем вы или я. Это наводит на мысль о том, что врачи будущего - не люди, а роботы.

В этом курсе вы увидите, как мы можем превратить CNN в систему обнаружения объектов, которая не только классифицирует изображения, но и может найти каждый объект на изображении и предсказать его метку.

Вы можете себе представить, что такая задача является основной предпосылкой для самостоятельного вождения транспортных средств. (Он должен уметь обнаруживать автомобили, пешеходов, велосипеды, светофоры и т. д. В режиме реального времени)

Мы рассмотрим современный алгоритм SSD, который быстрее и точнее, чем его предшественники.

Другая очень популярная задача компьютерного зрения, которая использует CNN, называется передачей нейронного стиля.

Здесь вы берете одно изображение, называемое изображением содержимого, и другое изображение, называемое изображением стиля, и объединяете их для создания совершенно нового изображения, как если бы вы наняли художника для рисования содержимого первого изображения в стиле другого. В отличие от человека-художника, это можно сделать за считанные секунды.

Я надеюсь, что вы будете рады узнать об этих передовых приложениях CNN, увидимся в классе!

УДИВИТЕЛЬНЫЕ ФАКТЫ:

• Одной из основных тем этого курса является то, что мы переходим от самой CNN к системам с участием CNN.
• Вместо того, чтобы сосредоточиться на детальной внутренней работе CNN (что мы уже сделали), мы сосредоточимся на строительных блоках высокого уровня. Результат? Почти ноль математики.
• Еще один результат? Нет сложного низкоуровневого кода, такого как написанный на Tensorflow, Theano или PyTorch (хотя некоторые дополнительные упражнения могут содержать их для очень продвинутых учеников). Большая часть курса будет в Keras, что означает, что много утомительного, повторяющегося материала написано для вас.

Предлагаемые предпосылки:

• Знать, как создавать, обучать и использовать CNN с использованием некоторой библиотеки (желательно на Python)
• Понимать основные теоретические концепции, лежащие в основе свертки и нейронных сетей
• Достойные навыки программирования на Python, желательно в области data science и Numpy Stack

СОВЕТЫ (для прохождения курса):

• Смотреть в 2x.
• Делайте рукописные заметки. Это значительно повысит вашу способность сохранять информацию.
• Запишите уравнения. Если вы этого не сделаете, я гарантирую, что это будет выглядеть как бред.
• Поймите, что на выполнение большинства упражнений у вас уйдут дни или недели.
• Пишите код самостоятельно, не сидите и не смотрите на мой код.