Apa yang akan Anda pelajari?
-
Memahami dan menerapkan pembelajaran transfer
-
Memahami dan menggunakan jaringan saraf konvolusi yang canggih seperti VGG, ResNet, dan Inception
-
Memahami dan menggunakan algoritme deteksi objek seperti SSD
-
Memahami dan menerapkan transfer gaya saraf
-
Memahami topik visi komputer mutakhir
-
Peta Aktivasi Kelas
-
GAN (Generative Adversarial Networks)
-
Proyek Implementasi Pelokalan Objek
Persyaratan
-
Ketahui cara membangun, melatih, dan menggunakan CNN menggunakan beberapa perpustakaan (sebaiknya dengan Python)
-
Memahami konsep teoritis dasar di balik konvolusi dan jaringan saraf
-
Keterampilan pengkodean Python yang layak, lebih disukai dalam ilmu data dan Numpy Stack
Keterangan
Pembaruan terbaru : Alih-alih SSD, saya tunjukkan cara menggunakan RetinaNet, yang lebih baik dan lebih modern. Saya menunjukkan kepada Anda cara menggunakan model yang telah dilatih sebelumnya dan cara melatihnya sendiri dengan kumpulan data khusus di Google Colab .
Ini adalah salah satu kursus paling menarik yang pernah saya lakukan dan ini benar-benar menunjukkan seberapa cepat dan seberapa jauh pembelajaran mendalam telah terjadi selama bertahun-tahun.
Saya pikir apa yang akan Anda temukan adalah, kursus ini sangat berbeda dari yang sebelumnya, Anda akan terkesan dengan seberapa banyak materi yang harus kita bahas.
Biarkan saya memberi Anda ikhtisar singkat tentang apa kursus ini:
Kami akan menjembatani kesenjangan antara arsitektur CNN dasar yang sudah Anda kenal dan sukai, dengan arsitektur baru yang modern seperti VGG , ResNet , dan Inception.
Kami akan menerapkan ini pada gambar sel darah, dan membuat sistem yang merupakan ahli medis yang lebih baik daripada Anda atau saya. Ini memunculkan ide yang menarik: bahwa dokter masa depan bukanlah manusia, tetapi robot.
Dalam kursus ini, Anda akan melihat bagaimana kita dapat mengubah CNN menjadi sistem deteksi objek , yang tidak hanya mengklasifikasikan gambar tetapi juga dapat menemukan lokasi setiap objek dalam gambar dan memprediksi labelnya.
Anda dapat membayangkan bahwa tugas seperti itu merupakan prasyarat dasar untuk kendaraan yang dapat mengemudi sendiri . (Ini harus dapat mendeteksi mobil, pejalan kaki, sepeda, lampu lalu lintas, dll secara real-time)
Kita akan melihat algoritma canggih yang disebut SSD yang lebih cepat dan lebih akurat daripada pendahulunya.
Tugas visi komputer lain yang sangat populer yang menggunakan CNN disebut transfer gaya saraf .
Di sinilah Anda mengambil satu gambar yang disebut gambar konten, dan gambar lain yang disebut gambar gaya, dan Anda menggabungkannya untuk membuat gambar yang sama sekali baru, yaitu seolah-olah Anda menyewa seorang pelukis untuk melukis konten gambar pertama dengan gaya dari yang lain. Tidak seperti pelukis manusia, ini bisa dilakukan dalam hitungan detik.
Saya juga akan memperkenalkan Anda pada arsitektur GAN yang sekarang terkenal ( Generative Adversarial Networks ), di mana Anda akan mempelajari beberapa teknologi di balik bagaimana jaringan saraf digunakan untuk menghasilkan gambar foto-realistis yang canggih.
Saat ini, kami juga menerapkan pelokalan objek , yang merupakan langkah penting pertama menuju penerapan sistem deteksi objek penuh.
Saya harap Anda bersemangat untuk mempelajari aplikasi lanjutan CNN ini, sampai jumpa di kelas!
FAKTA LUAR BIASA:
- Salah satu tema utama kursus ini adalah bahwa kita beralih dari CNN itu sendiri, ke sistem yang melibatkan CNN.
- Alih-alih berfokus pada cara kerja CNN yang terperinci (yang telah kami lakukan), kami akan fokus pada blok bangunan tingkat tinggi. Hasil? Hampir nol matematika .
- Hasil lain? Tidak ada kode tingkat rendah yang rumit seperti yang ditulis dalam Tensorflow , Theano , atau PyTorch (walaupun beberapa latihan opsional mungkin memuatnya untuk siswa yang sangat mahir). Sebagian besar kursus akan berada di Keras yang berarti banyak hal yang membosankan dan berulang ditulis untuk Anda.
“Jika Anda tidak dapat menerapkannya, Anda tidak memahaminya”
- Atau seperti yang dikatakan fisikawan hebat Richard Feynman: “Apa yang tidak dapat saya ciptakan, saya tidak mengerti”.
- Kursus saya adalah HANYA kursus di mana Anda akan belajar bagaimana menerapkan algoritme pembelajaran mesin dari awal
- Kursus lain akan mengajari Anda cara memasukkan data ke perpustakaan, tetapi apakah Anda benar-benar membutuhkan bantuan dengan 3 baris kode?
- Setelah melakukan hal yang sama dengan 10 kumpulan data, Anda menyadari bahwa Anda tidak mempelajari 10 hal. Anda belajar 1 hal, dan hanya mengulangi 3 baris kode yang sama 10 kali…
Prasyarat yang Disarankan:
- Ketahui cara membangun, melatih, dan menggunakan CNN menggunakan beberapa perpustakaan (sebaiknya dengan Python)
- Memahami konsep teoritis dasar di balik konvolusi dan jaringan saraf
- Keterampilan pengkodean Python yang layak, lebih disukai dalam ilmu data dan Numpy Stack
Untuk siapa kursus ini:
- Pelajar dan profesional yang ingin meningkatkan pengetahuan mereka tentang visi komputer dan pembelajaran mendalam
- Siapa pun yang ingin belajar tentang algoritma pendeteksian objek seperti SSD dan YOLO
- Siapa pun yang ingin belajar cara menulis kode untuk transfer gaya saraf
- Siapa pun yang ingin menggunakan pembelajaran transfer
- Siapa pun yang ingin mempersingkat waktu pelatihan dan membuat jaring visi komputer canggih dengan cepat
