Visi Komputer

Membolehkan mesin melihat dan mentafsir dunia visual. Belajar tentang klasifikasi imej, pengesanan objek dan segmentasi menggunakan deep learning.

9 courses

Python Computer Vision: OpenCV dan Pembelajaran Dalaman yang praktikal

Pemprosesan imej master, pengesanan objek, dan model pembelajaran mendalam menggunakan Python dan OpenCV untuk membina aplikasi visual pintar dari awal.
★ 4.5 (1,047)

Rangkaian saraf konvolusi dalam Python: CNN untuk penglihatan dan NLP

Menguasai CNN menggunakan Python dan TensorFlow untuk membina model analisis teks dan klasifikasi imej yang kuat untuk aplikasi sains data dunia sebenar.
★ 4.4 (7,279)

Pembelajaran mendalam untuk penglihatan komputer: Dari CNNs ke GANs

Bina model praktikal untuk pengesanan objek, pemindahan gaya saraf, dan penjanaan imej menggunakan Python, Keras, dan TensorFlow.
★ 4.7 (7,100)

Penglihatan Komputer dan CNN dengan TensorFlow

Bina dan optima rangkaian saraf konvolusi untuk pengenalan imej menggunakan TensorFlow dan teknik penglihatan komputer moden.
★ 4.7 (8,223)

Asas Pemprosesan Imej Digital untuk Penglihatan Komputer

Belajar untuk memanipulasi data visual dan bina model klasifikasi imej menggunakan rangkaian saraf dalam panduan berbasis teks yang komprehensif ini.
★ 4.5 (4,337)

Rangkaian saraf konvolusi untuk pemula

Menguasai asas penglihatan komputer dan belajar untuk membina rangkaian saraf yang boleh menganalisis dan mengenali imej.
★ 4.9 (1,473)

Panduan Pemula untuk Deep Learning bagi Klasifikasi Imej

Lengkapkan diri anda untuk memahami, membina, dan menilai model deep learning untuk pelbagai tugas klasifikasi imej, bermula dari asas.
★ 4.9 (19)

Pengenalan kepada CNN dengan Python: Bina dan Latih Model

Mulakan perjalanan pembelajaran mendalam anda dengan mempelajari cara mereka bentuk, melatih dan menilai Rangkaian Neural Konvolusional menggunakan amalan Python moden.
★ 4.7 (19)

Deep Learning untuk Computer Vision: Pengesanan Anomali dan Sintesis Data

Kuasai pembinaan model computer vision untuk mengesan anomali imej, mengautomasikan pelabelan, dan menjana data latihan sintetik walaupun dengan dataset terhad.
★ 4.9 (15)