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.