Computer Vision with GluonCV (Portuguese)

Descrição

Neste curso, você obterá conhecimentos práticos sobre os componentes de uma rede neural convolucional (CNN), como convoluções, camadas de agrupamento etc. Neste curso, Alex Smola e Tong He mostram como implementar algumas técnicas de visão computacional usando o GluonCV, um toolkit de visão computacional.

Observação: Este curso tem transcrições/legendas traduzidas. A narração está em inglês.Para exibir as legendas, clique no botão CC no canto inferior direito do player.

Público-alvo

Este curso é destinado a:

• Desenvolvedores buscando implementar modelos comuns de visão computacional

Objetivos do curso

Neste curso, você aprenderá a:

• Resumir vários componentes de redes neurais convolucionais, como convoluções, preenchimento e canais• Escrever os componentes como código ao criar uma rede neural como a LeNet• Importar dados para um Gluon Data Loader para treinamento e transformação

Pré-requisitos

Recomendamos que os participantes do curso cumpram os seguintes pré-requisitos:

• Conhecimento básico de redes neurais artificiais• Conhecimento básico de tópicos de álgebra linear, como matrizes, multiplicação de matrizes e produtos escalares

Método de apresentação

Este curso é apresentado no seguinte formato:• Treinamento digital

Duração

2 horas

Descrição do curso

Este curso aborda os seguintes conceitos:

• Convoluções• Preenchimento e passo• Canais• Agrupamento• LeNet• Funções de ativação• Dropout• Normalização em lote• Blocos• A maldição da última camada• Redes residuais• Processamento de dados