知名線上課程 【尹相志深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)(含教材) 講師:尹相志 影音教學 中文發音 繁體中文版(DVD版)
尹相志老師獨家授課AI深度學習實戰課程-機器視覺基礎篇，總共3個課程單元\n、搭配3份上課講義、3個實作範例，帶你了解卷積神經網路的發展、「VGG」、「Google NET」、「inception V3」...各種演算法的優缺點和特色，結合實例、產業知識、論文講解，一次性學習人工智慧正確觀念。
讓機器也能是我的眼
課程簡述\t
所謂的機器視覺\t
機器視覺如何參考人類視覺本質\t
卷積神經元的好處\t
什麼是卷積\t
池化層的貢獻\t
色彩的通道\t
那些成為經典的卷積網路
卷積網路的演進與架構\t
影響影像辨識發展的世界大賽--Imagenet\t
實作:(1)漢字辨識\t
影像辨識是在處理什麼---什麼是張量\t
實作:(1)漢字辨識--張量\t
如何收斂函數取得最佳解--損失函數\t
損失函數Softmax\t
實作:(1)漢字辨識--Softmax\t
Imagenet大賽四大冠軍模型\t
模型設計的核心思路\t
破壞性重建-Dropout隨機丟失\t
找到影像的重點-數據增強\t
batch normalization--防止梯度彌散\t
實作:(1)漢字辨識--batch normalization\t
重要的影像演算-VGG\t
重要的影像演算-Google NET\t
重要的影像演算-inception V3\t
重要的影像演算-ResNet\t
實作:(2)卷積看到了什麼-狗、狼、狐狸、鬣犬傻傻分不清楚
那些後起之秀的卷積網路們
新一代卷積神經網路的挑戰\t
解決池化層的問題-空洞卷積\t
卷積的突破-可變形的卷積\t
加速運算-模型壓縮\t
Face++的輕量級架構--ShuffleNet\t
壓縮與活化資料，最後一屆冠軍演算法:S-N-Net
不會丟失資料的提拉米蘇--DenseNet\t
除了深度、寬度還有分支基數--ResNext\t
較特殊的卷積神經網路\t
模型跨平台\t
實作:(3)鑑黃大師\t
2020 實作1 - 漢字識別
漢字識別實作介紹
實作策略技巧與訣竅
使用 API 製作數據集
自適應二值化
腐蝕與膨脹
資料預處理策略
網路結構選擇
提升分類模型正確率
實作解說
訓練結果與總結
2020 實作2 - 狗、狼、狐狸進階 12 種動物識別
動物認知識別簡介
預訓練模型解說
如何運用損失函數提升訓練效果
測試預訓練模型 ImageNet 使用效果
獲取數據集並進行數據增強
以預訓練模型進行遷移學習
執行結果
2020 實作3 - 鑑黃大師
透過神經網路進行搜索
卷積神經網絡模型介紹
如何判斷與選擇神經網絡模型
實作鑑黃大師
模型執行訓練結果
|
|
您現在的位置：
專業知識教學
