Сверточные нейронные сети и анализ изображений
Описание курса
«Сверточные нейронные сети и анализ изображений» — это продвинутый курс из серии «Глубокие нейронные сети», направленный на предоставление слушателям знаний и практического опыта использования нейронных сетей для анализа изображений. В курсе рассматривается наиболее популярная в настоящее время архитектура нейронных сетей для задач компьютерного зрения – сверточные нейронные сети (convolutional neural networks). Курс обеспечивает теоретические знания и практические навыки, необходимые для разработки сверточных нейронных сетей на Python с помощью библиотек Keras, TensorFlow и dlib.Целевая аудитория
Курс рекомендован и будет полезен тем, кто занимается решением задач анализа данных, машинного обучения и разработкой искусственного интеллекта: программистам, аналитикам, специалистам в области данных, инженерам машинного обучение, имеющим базовое представление о глубоких нейронных сетях.Минимальные требования
Данный курс предполагает наличие у слушателей базового знания языка программирования Python. Знание основ машинного обучения полезно, но не обязательно.Рекомендуемые предварительные курсы: NVD-01 Введение в глубокие нейронные сети.
Содержание курса
День 1Модуль 1. Сверточные нейронные сети
- Архитектура сверточных нейронных сетей.
- Применение сверточных нейронных сетей для анализа изображений.
- Лабораторная работа 1. Классификация изображений с NVIDIA DIGITS.
- Предварительно обученные сверточные нейронные сети и набор данных ImageNet.
- Архитектуры сверточных нейронных сетей VGG16 и VGG19.
- Лабораторная работа 2. Применение предварительно обученных нейронных сетей для распознавания объектов на изображениях в Keras и TensorFlow.
- Представление изображений в виде вектора признаков.
- Извлечение векторов признаков из изображений с помощью предварительно обученной нейронной сети.
- Классификация изображений на основе векторов признаков.
- Лабораторная работа 3. Классификация изображений на основе векторов признаков в Keras и TensorFlow.
- Дополнительное обучение предварительно обученных нейронных сетей.
- Обучение классификатора.
- Дополнительное обучение сверточной части нейронной сети.
- Лабораторная работа 4. Дополнительное обучение предварительно обученных нейронных сетей для классификации изображений в Keras и TensorFlow.
День 2
Модуль 5. Современные архитектуры сверточных нейронных сетей
- Архитектура сети ResNet от Microsoft.
- Архитектура Inception от Google.
- Лабораторная работа 5. Распознавание изображений с помощью сетей ResNet и Inception в Keras и TensorFlow.
- Задача распознавания человека по лицу.
- Извлечение векторов признаков из фотографии человека.
- Обучение нейронной сети для создания представления векторов признаков фотографий человека в целях распознаваний лиц.
- Библиотека dlib и предварительно обученная глубокая нейронная сеть ResNet 34 для распознавания лиц.
- Лабораторная работа 6. Идентификация человека на фотографии с помощью dlib.