Podsumowanie

Głębokie uczenie dla obrazów z PyTorch

Michal Oleszak

Machine Learning Engineer

Czego się nauczyłeś/nauczyłaś

1. Klasyfikacja obrazów za pomocą CNN

Klasyfikacja binarna
Klasyfikacja wieloklasowa
Splotowe sieci neuronowe
Wykorzystanie wstępnie wytrenowanych modeli

klasyfikacja binarna

Czego się nauczyłeś/nauczyłaś

2. Rozpoznawanie obiektów

Ramki ograniczające
Modele: R-CNN, Faster R-CNN
Tłumienie niemaksymalne (NMS)
Ewaluacja: IoU

współrzędne ramki ograniczającej

Czego się nauczyłeś/nauczyłaś

3. Segmentacja obrazów

Maski segmentacji
Segmentacja instancji: Mask R-CNN
Segmentacja semantyczna: U-Net
Segmentacja panoptyczna

Segmentacja panoptyczna

Czego się nauczyłeś/nauczyłaś

4. Generowanie obrazów za pomocą GAN

Podstawowy GAN
Głęboka splotowa sieć GAN (DCGAN)
Trenowanie modelu
Ewaluacja: FID

Przykładowe obrazy Pokémonów wygenerowane przez GAN.

Gratulacje i powodzenia!

Głębokie uczenie dla obrazów z PyTorch

Preparing Video For Download...