Vision par Ordinateur Moderne avec Pytorch I :
Réseaux de neurones à convolution et Vision Transformer
Description
Bienvenue au cours de Vision par Ordinateur! Ce cours explore en profondeur les fondamentaux et les avancées récentes dans le domaine de la vision par ordinateur. En combinant la théorie et la pratique, ce cours couvre les sujets suivants :
1. **Perception Multicouche** : Comprendre les bases des réseaux de neurones multicouches pour la vision par ordinateur, et leur utilisation dans l'analyse et la classification d'images.
2. **Réseaux de Neurones Convolutifs (CNN)** : Étudier en détail les CNN, leurs architectures et leur utilisation dans la détection d'objets, la segmentation d'images et bien plus encore.
3. **Architectures CNN de Pointe** : Explorer les architectures de pointe telles que VGG, ResNet, DenseNet et EfficientNet, en analysant leurs structures et leurs performances.
4. **Transfert d'Apprentissage** : Apprendre à utiliser le transfert d'apprentissage pour bénéficier des connaissances préalables des modèles pour des tâches spécifiques de vision par ordinateur.
5. **Augmentation de Données** : Comprendre l'importance de l'augmentation de données pour améliorer les performances des modèles et explorer différentes techniques.
6. **Réseaux Neuronaux Transformer** : Découvrir les bases des réseaux neuronaux Transformer et leur application dans la vision par ordinateur pour des tâches telles que la reconnaissance d'images et la génération de texte à partir d'images.
Ce cours offre une combinaison d'études théoriques, de travaux pratiques et de projets pour permettre aux étudiants de maîtriser ces concepts et de les appliquer dans des scénarios réels de vision par ordinateur. Rejoignez-nous pour plonger dans le monde passionnant de la vision par ordinateur et de ses applications novatrices!
What You Will Learn!
- Maîtriser les bases de la vision par ordinateur incluant perception multicouche, réseaux de neurones convolutionnels (CNN) et réseaux neuronaux transformer.
- Explorer VGG, ResNet, DenseNet, EfficientNet et leur mise en œuvre pratique.
- Acquérir transfert d'apprentissage et augmentation de données pour améliorer les performances des modèles en vision par ordinateur.
- Mettre en pratique les connaissances acquises à travers des projets concrets, développant ainsi des compétences de résolution de problèmes.
Who Should Attend!
- Étudiants en Informatique : Cherchant à approfondir leurs connaissances en vision par ordinateur pour des projets académiques ou de recherche.
- Professionnels de l'IA : Désirant maîtriser les dernières avancées en vision par ordinateur pour améliorer leurs compétences et performances professionnelles.
- Développeurs : Souhaitant se spécialiser dans l'analyse d'images, la détection d'objets ou d'autres applications de la vision par ordinateur.
- Curieux et Passionnés : Qui désirent explorer ce domaine émergeant et fascinant, sans expérience préalable requise.