Loading

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

Comprensione e Visualizzazioni reti neurali Convoluzionistiche (CNN)

In questo corso gratuito online, imparate il ruolo delle reti neurali convoluzionistiche nelle immagini di elaborazione.

Publisher: NPTEL
Questo corso online gratuito spiega la connessione tra convoluzione e reti neurali nella lavorazione e classificazioni delle immagini. Scoprirete come un computer può eseguire la classificazione delle immagini cercando caratteristiche di basso livello come i bordi e le curve e quindi costruire fino a concetti più astratti attraverso una serie di strati convoluzionistici. Il corso illustra anche vari approcci per la visualizzazione di CNNs.
Comprensione e Visualizzazioni reti neurali Convoluzionistiche (CNN)
  • Durata

    5-6 Oras
  • Students

    27
  • Accreditation

    CPD

Descrizione

Modules

Risultato

Certificazione

View course modules

Description

Le reti neurali Convolution (CNN) sono utilizzate principalmente per la classificazione e il riconoscimento delle immagini a causa della loro elevata precisione. Il corso introduce la necessità di utilizzare CNNs nell'elaborazione delle immagini. Esplorerai il ruolo di CNNs nel conquistare le difficoltà presentate da altre reti nel sifting attraverso le immagini. In seguito a ciò viene discussa la funzione dell'algoritmo di backpropagation in CNNs, dove verrà insegnato delle notazioni matematiche di un algoritmo di backpropagazione. Si evidenzia anche l'evoluzione delle architetture della CNN negli ultimi decenni. Verranno inclusi i vari tipi di architetture e il processo di selezione dell'architettura appropriata in base al compito a portata di mano. Questo corso spiega come le architetture della CNN siano utilizzate per estrarre le classi di informazione da un'immagine raster multibanda per creare mappe tematiche.

Prossimo, il corso mette in evidenza i vari modi per migliorare le architetture della CNN in base alle precedenti opere. In questo modo verranno incorporati gli elementi dei modelli CNN contemporaneo creati per estendere l'assistenza oltre le altre reti. Esplorerai le varie implementazioni architettoniche che hanno portato dall'architettura MobileNet all'architettura EfficientNet all'avanguardia, con i numerosi miglioramenti in atto tra. Il corso spiega l'importanza di visualizzare un modello CNN. Questo includerà i vari metodi di previsione e di presentazione delle previsioni modello di una Cnn. Oltre a questo, il corso delineerà le applicazioni di queste reti neurali nelle immagini di elaborazione. Scoprirete come la CNN, utilizzando la tecnica di deep learning, outesegue altri metodi nell'analisi delle immagini. Vengono spiegati anche i processi di interpretazione e comprensione delle applicazioni dei CNN nell'analisi delle immagini.

Infine, vi verrà insegnato come le spiegazioni visive sono estratte dalle reti profonde attraverso la localizzazione a sfumatura. Questo includerà il ruolo delle mappe di attivazione di classe nel potenziare i chiarimenti per CNNs profonde. Vengono evidenziati i metodi attuali per spiegare i CNN. Esplorerai le modalità interpretabili e i backend teorici utilizzati per immagini, testi e dati tabellari per esperimenti real-world. Infine, vi verrà insegnato sui vari approcci per affrontare il problema delle sfumature di saturazione. Questo includerà risolvere un problema che si riferisce a una funzione per la quale un input più considerevole non porterà ad un aumento rilevante della produzione. Questo è un corso entusiasmante che interesserà coloro che studiano la scienza informatica o quelli interessati a questi argomenti. Perché aspettare? Registrati oggi e inizia ad imparare l'applicazione delle reti neurali convoluzionistiche a varie attività di visione del computer.

 

Inizio Corso Ora

Careers