بینایی کامپیوتر پیشرفته با تنسورفلو

توضیحات دوره

در این دوره می‌توانید:

• طبقه بندی تصویر، تقسیم بندی تصویر، محلی سازی اشیاء و تشخیص اشیاء را بررسی کنید و یادگیری انتقالی را در محلی سازی و تشخیص اشیاء به کار ببرید.
• مدل‌های تشخیص اشیاء مانند regional-CNN و ResNet-50 را به کار بگیرید، مدل‌های موجود را سفارشی کنید و مدل‌های خود را برای شناسایی، محلی سازی و برچسب گذاری تصاویر اردک پلاستیکی بسازید.
• تقسیم بندی تصویر با استفاده از انواع شبکه‌های کانولوشنی کامل (FCN) از جمله U-Net و Mask-RCNN برای شناسایی و تشخیص اعداد، حیوانات خانگی، زامبی‌ها و سایر موارد
• مشخص کردن اینکه کدام بخش از یک تصویر با استفاده از نقشه‌های فعال‌سازی کلاس و نقشه‌های برجستگی، توسط مدل شما برای پیش‌بینی‌هایش استفاده می‌شود، و اعمال این روش‌های تفسیری یادگیری ماشین برای بازرسی و بهبود طراحی شبکه معروف AlexNet

بررسی تنسورفلو در DeepLearning.AI: در حقیقت، Advanced Techniques Specialization ویژگی‌های تنسورفلو را معرفی می‌کند، این ابزار کنترل بیشتری بر معماری مدل و ابزارهایی که به فراگیران در ایجاد و آموزش مدل‌های پیشرفته ML کمک می‌کنند خواهد داشت.

این Specialization برای مهندسین نرم‌افزار و یادگیری ماشین تازه کار و ضمن خدمت که درک بنیادی از تنسورفلو دارند و به دنبال گسترش دانش و مهارت‌های خود با یادگیری ویژگی‌های پیشرفته تنسورفلو برای ساخت مدل‌های قدرتمند هستند، مناسب خواهد بود.