Object detection, Image segmentation, Visualization and Interpretability

Hello I am Nitsan Soffair, A Deep RL researcher at BGU.

In this Computer-vision course, you will learn the newest state-of-the-art Computer vision (CV) Deep-learning knowledge.


You will do the following

  1. Get state-of-the-art knowledge of the following

    1. Object detection

    2. Image segmentation

    3. Visualization and Interpretability

  2. Validate your knowledge by answering short and very easy 3-question queezes of each lecture

  3. Be able to complete the course by ~2 hours.

Syllabus

  1. Introduction to Computer vision

    1. Classification and Object detection

      Technology in the field of computer vision for finding and identifying objects in an image or video sequence

    2. Segmentation

      The process of partitioning a digital image into multiple image segments of pixels’ sets.

    3. Transfer-learning

      A research problem in machine learning (ML) that focuses on storing knowledge gained while solving one problem and applying it to a different but related problem.

    4. Resnets

      An artificial neural network (ANN). Skip connections are used to jump over some layers.

    5. Object localization

      a computer technology to detect instances of semantic objects of a certain class i.e. humans, buildings in images and videos.

  2. Object detection

    1. R-CNN

      Detection algorithm.

    2. Fast R-CNN

      Detection network region-proposal algorithm.

    3. Faster R-CNN

      Object detection network region-proposal algorithm.

    4. RetinaNet

      A dense detector evaluating the loss.

  3. Image segmentation

    1. FCN

      Transforms image pixels to classes using CNN.

    2. Upsampling methods

      Performed on a sequence of signal’s samples/continuous function.

    3. Evaluation with IoU and Dice-score

      Evaluation metrics.

    4. U-Net

      A Deep neural-networl model based on fully-connected neural-network.

  4. Visualization and Interpretability

    1. Class activation maps

      Technique gets the discriminative image regions used by CNN to identify specific classes in image.

    2. Saliency maps

      An image that highlights the region on which people’s eyes focus first.

Resources

  • Wikipedia

  • Coursera

Visión artificial avanzada con aprendizaje profundo

Object detection, Image segmentation, Visualization and Interpretability»

Este curso es GRATIS

¿Quieres más cursos gratis?

Únete a nuestro canal en Telegram con cientos de cursos gratis publicados diariamente

Curso gratis en Udemy

Con los cursos gratis de Udemy puedes aprender muchas cosas sin tener que gastar en ello. Pero primero debes tener en cuenta varias cosas:

Contenido Gratuito

Los cursos gratis de Udemy te permiten aprender nuevas cosas sin tener que pagar. Aprovecha la oportunidad.

Aprendizaje

Pon en práctica todos tus conocimientos aprendidos. Realiza increíbles proyectos basados en el mundo real.

Limites

Debes tener en cuenta que todos los cursos gratuitos de Udemy son de máximo 2 horas y no incluyen un certificado.

Este curso se encuentra disponible de manera gratuita sin necesidad de ningún cupón, a través de la opción “GRATIS”.

Te recomendamos primero leer las diferencias entre un curso gratis y uno de pago para evitar malentendidos:

Cursos gratuitos
  • Contenido de vídeo en línea
Cursos de pago
  • Contenido de vídeo en línea
  • Certificado de finalización
  • Preguntas y respuestas de los instructores
  • Mensaje directo para el instructor

Aunque los cursos son colocados de manera gratuita, es posible que el autor del curso pueda cambiarlos a modalidad de pago, por lo cual te recomendamos revisar muy bien las características del curso.

Para obtener el curso de manera gratuita usa el siguiente botón:


Deja tus comentarios y sugerencias


Sobre Facialix

Facialix es un sitio web que tiene como objetivo apoyar en el aprendizaje y educación de jóvenes y grandes. Buscando y categorizando recursos educativos gratuitos de internet, de esta manera Facialix ayuda en el constante aprendizaje de todos.