یادگیری عمیق برای تصاویر با PyTorch

این دوره آموزشی در زمینه یادگیری عمیق برای تصاویر با استفاده از PyTorch، دانش‌پذیران را به دانش و مهارت‌های عملی لازم برای موفقیت در طبقه‌بندی تصاویر، تشخیص آبجکت، قطعه‌بندی و تولید تصویر مجهز می‌کند.

طبقه‌بندی تصاویر با شبکه‌های عصبی پیچشی (CNNs)

در این بخش، مدرس نحوه به‌کارگیری CNNها را برای طبقه‌بندی تصاویر دوکلاسه و چندکلاسه آموزش می‌دهد و دانش‌پذیران با چگونگی بهره‌گیری از مدل‌های پیش‌آموزش‌دیده در PyTorch آشنا می‌شوند. همچنین با استفاده از کادرهای محصورکننده، او توانایی تشخیص اشیا در یک تصویر و ارزیابی عملکرد مدل‌های شناسایی اشیا را آموزش خواهد داد.

قطعه‌بندی تصاویر با اعمال ماسک

مدرس به بررسی قطعه‌بندی تصویر، شامل قطعه‌بندی معنایی، نمونه‌محور و پان‌اپتیک از طریق اعمال ماسک روی تصاویر می‌پردازد. در این بخش، دانش‌پذیران درباره معماری‌های مختلف مدل‌های مورد نیاز برای هر نوع قطعه‌بندی می‌آموزند.

تولید تصاویر با استفاده از GANها

در نهایت، دانش‌پذیران با چگونگی تولید تصاویر اختصاصی خود با استفاده از شبکه‌های مولد رقابتی (GANs) آشنا می‌شوند. مدرس مهارت‌های ساخت و آموزش GANهای پیچشی عمیق (DCGANs) و چگونگی سنجش کیفیت و تنوع تصاویر تولید شده را آموزش می‌دهد. در پایان این دوره، دانش‌پذیران مهارت و تجربه کافی برای کار با تسک های مختلف تصویری با استفاده از مدل‌های PyTorch را کسب خواهند کرد.