Loading

Alison's New App is now available on iOS and Android! Download Now

Comprensión y visualización de redes neuronales convolucionales (CNN)

En este curso online gratuito, aprende sobre el papel de las redes neuronales convolucionales en el procesamiento de imágenes.

Publisher: NPTEL
Este curso gratuito en línea explica la conexión entre la convolución y las redes neuronales en el procesamiento y clasificación de imágenes. Descubrirás cómo un ordenador puede realizar la clasificación de imágenes buscando características de bajo nivel como bordes y curvas y luego construir hasta conceptos más abstractos a través de una serie de capas convolucionales. El curso también ilustra varios enfoques para visualizar CNNs.
Comprensión y visualización de redes neuronales convolucionales (CNN)
  • Duración

    5-6 Horas
  • Students

    25
  • Accreditation

    CPD

Descripción

Modules

Resultados

Certificación

Ver los módulos del curso

Description

Las redes neuronales de Convolution (CNN) se utilizan principalmente para la clasificación y reconocimiento de imágenes debido a su alta precisión. El curso introduce la necesidad de utilizar CNNs en el procesamiento de imágenes. Usted explorará el papel de CNNs en la conquista de las dificultades presentadas por otras redes en el tamizado a través de imágenes. Después de esto, se discute la función del algoritmo de retropropagación en CNNs, donde se le enseñará sobre las notaciones matemáticas de un algoritmo de retropropagación. También se destaca la evolución de las arquitecturas de CNN en las últimas décadas. Esto incluirá los diversos tipos de arquitecturas y el proceso de selección de la arquitectura adecuada en función de la tarea que nos ocupa. Este curso explica cómo se utilizan las arquitecturas de CNN para extraer clases de información de una imagen de barrido multibanda para crear mapas temáticos.

A continuación, el curso resalta las diversas formas de mejorar las arquitecturas de CNN basadas en trabajos anteriores. Esto incorporará los elementos de los modelos contemporáneos de CNN que se han creado para extender la asistencia más allá de otras redes. Explorará las diversas implementaciones arquitectónicas que llevaron desde la arquitectura MobileNet a la arquitectura EfficientNet de última generación, con las muchas mejoras en el medio. El curso explica la importancia de visualizar un modelo de CNN. Esto incluirá los diversos métodos de previsión y presentación de las predicciones del modelo de una CNN. Además de esto, el curso delineará las aplicaciones de estas redes neuronales en el procesamiento de imágenes. Usted descubrirá cómo CNN, usando la técnica de aprendizaje profundo, supera a otros métodos en el análisis de imágenes. Los procesos para interpretar y comprender las aplicaciones de CNNs en el análisis de imágenes también se explican.

Por último, se le enseñará cómo se extraen las explicaciones visuales de las redes profundas a través de la localización basada en gradiente. Esto incluirá el papel de los mapas de activación de clase en la mejora de las aclaraciones para los CNNs profundos. Se resaltan los métodos actuales para explicar CNNs. Usted explorará los modos interpretables y los fondos teóricos del juego utilizados para imágenes, textos y datos tabulares para experimentos del mundo real. Por último, se le enseñará sobre los diversos enfoques para abordar el problema de saturar los gradientes. Esto incluirá la solución de un problema que se refiere a una función para la cual una entrada más considerable no llevará a un aumento relevante en la producción. Este es un curso emocionante que interesará a los que estudian ciencias de la computación o los interesados en estos temas. ¿Por qué esperar? Inscríbase hoy mismo y empiece a aprender sobre la aplicación de redes neuronales convolucionales a varias tareas de visión del sistema.

 

Inicio Curso Ahora

Careers