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 1
Модуль 1. Сверточные нейронные сети
  • Архитектура сверточных нейронных сетей.
  • Применение сверточных нейронных сетей для анализа изображений.
  • Лабораторная работа 1. Классификация изображений с NVIDIA DIGITS.
Модуль 2. Предварительно обученные сверточные нейронные сети
  • 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.
Модуль 3. Классификация изображений с помощью предварительно обученных нейронных сетей
  • 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.
Модуль 4. Перенос обучения (Transfer Learning)
  • 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.
Модуль 6. Распознавание человека по лицу
  • 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.
Ближайшие даты:
с 13.03.2018 по 14.03.2018 Очная Андрей Созыкин Записаться
Номер курса: NVD-002
Стоимость курса
Форма обучения: Очная
29 000 ₽
Длительность: 2 дня
Тренеры
Андрей Созыкин
Андрей Созыкин
Преподаватель
Оставить заявку
Ваше имя *
Телефон
Количество участников
Событие/обучение
Блок курсов Fortinet
Обновление базовых курсов Juniper
CCSA & CCSE R80.19