تسلط به قطعه‌بندی تصویر با PyTorch

آنچه یاد خواهید گرفت:

• پیاده‌سازی قطعه‌بندی معنایی چندکلاسه با PyTorch بر روی یک مجموعه داده واقعی
• آشنایی با معماری‌های مختلف مانند UNet و FPN
• درک مباحث نظری، از جمله نمونه‌برداری افزایشی، توابع هزینه و معیارهای ارزیابی
• انجام آماده‌سازی داده‌ها برای تغییر شکل ورودی‌ها به فرمت مناسب

توضیحات دوره

این دوره هم برای مبتدیان و هم برای متخصصان حوزه بینایی کامپیوتر طراحی شده است. اگر مبتدی هستید، دوره با اصول اولیه PyTorch و نحوه استفاده از آن برای مدل‌سازی ساده آغاز می‌شود. سپس، نحوه پیاده‌سازی مدل‌های محبوب قطعه‌بندی معنایی مانند FPN یا U-Net آموزش داده خواهد شد.

تا پایان این دوره، شما مهارت‌ها و دانش لازم برای انجام پروژه‌های واقعی قطعه‌بندی معنایی با استفاده از PyTorch را کسب خواهید کرد.

در این دوره موارد زیر توسط مدرس تدریس می‌شود:

• کار با تنسورها
• مقدمه‌ای بر مدل‌ساز
• شبکه‌های عصبی پیچشی (CNN)
• قطعه‌بندی معنایی 

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگانی که می‌خواهند قطعه‌بندی تصویر را درک و پیاده‌سازی کنند.
• دانشمندان داده که قصد دارند دامنه تکنیک‌های یادگیری عمیق خود را گسترش دهند.