Deep Learning with Python for Android

Тавсифи

Ҳадафи ин барнома ҷорӣ намудани як дӯстдорони омӯзиши амиқ ба биниши компютер, аз асосҳо сар карда ва сипас ба моделҳои муосиртари омӯзиши амиқ табдил меёбад. Омӯзиши амиқ барои барномаи визуалии компютерӣ ҳам шинохти тасвир ва ҳам видеоро дар бар мегирад, аз ҷумла тасниф ва аннотацияи тасвирҳо, шинохти объект ва ҷустуҷӯи тасвир, усулҳои гуногуни ошкоркунии объект, баҳодиҳии ҳаракат, пайгирии объект дар видео, шинохти амали инсон ва ниҳоят стилизатсия, таҳрир ва тасвир. насли нави тасвир. Дар лоиҳаи курсӣ, донишҷӯён тарзи сохтани системаи шинохти чеҳра ва манипуляцияро меомӯзанд, то механикаи дохилии ин технологияро фаҳманд, ки эҳтимолан машҳуртарин ва аксаран дар филмҳо ва намоишҳои телевизионӣ намунаи биниши компютерӣ ва AI намоиш дода мешавад.

Мавзӯи мушаххаси асосӣ:

Омӯзиши амиқ чист?

Асосҳои тасвир.

Асосҳои классикии тасвирҳо.

Маҷмӯи додаҳо барои классикии тасвирҳо.

Мутобиқсозии муҳити рушди шумо

Классири аввалини тасвирро эҷод кунед.

Омӯзиши параметрӣ

Усулҳои оптимизатсия ва танзим.

Асосҳои шабакаи нейронӣ.

Шабакаҳои нейронҳои конволютсионӣ.

Омӯзиши аввалини худ CNN.

Захира ва боркунии моделҳои шумо

LeNet: Эътироф кардани рақамҳои дастнавис.

MiniVGGNet: Бо CNNs амиқтар шудан

Нақшагирони суръати омӯзиш.

Spotting Undertting ва Overtting.

Моделҳои санҷиш.

Намоиши меъмории шабакавӣ.

Консепсияҳои биниши компютерӣ ва мисолҳои амалия

CNN-ҳои берун аз қуттӣ барои классикӣ.

Мавзӯҳои асосии барномасозии Python.

Мавзӯҳои Илми маълумот Намунаҳои Кодекси Python.

Омӯзиши мошин бо мисолҳои код.