Głębokie uczenie dla modeli opisu obrazu

Wypełnienie luki między widzeniem a opisem jest jednym z najbardziej ekscytujących wyzwań współczesnej sztucznej inteligencji. Ten kurs zapewnia jasną ścieżkę do zrozumienia, w jaki sposób maszyny interpretują dane wizualne i tłumaczą je na znaczący język ludzki.Zbadasz skrzyżowanie widzenia komputerowego i przetwarzania języka naturalnego, aby zbudować systemy zdolne do zrozumienia kontekstu obrazu. Będziesz przechodzić od nauki podstawowej terminologii do zrozumienia złożonych architektur, które umożliwiają generowanie obrazu na tekst.Pod koniec tego kursu będziesz w stanie zaprojektować, przeszkolić i ocenić modele, które tworzą dokładne opisy dla różnych danych wejściowych wizualnych. Czego się nauczysz: - Zrozum podstawowe pojęcia multimodalnego głębokiego uczenia się i sieci neuronowych. - Buduj architektury enkoderów-dekoderów za pomocą struktur zwojowych i powtarzających się. - Zastosuj mechanizmy uwagi, aby pomóc modelom skupić się na określonych częściach obrazu podczas generowania tekstu. - Wdrażaj nowoczesne techniki oparte na transformatorach w celu poprawy wydajności podpisów. - Ćwicz ekstrakcję cech obrazu i wstępne przetwarzanie tekstu dla potoków uczenia maszynowego. - Oceń jakość modelu za pomocą standardowych wskaźników branżowych, takich jak BLEU i CIDEr. Kurs rozpoczyna się od podstawowych definicji i historii technologii przekształcania obrazu w tekst, a następnie przechodzi do technicznych komponentów architektury modelu.Następnie przejdziesz przez cykl życia szkolenia, od przygotowania danych do dostrajania i oceny wydajności. Ten kurs jest przeznaczony dla początkujących zainteresowanych sztuczną inteligencją i uczeniem maszynowym.Do rozpoczęcia nie jest wymagane wcześniejsze doświadczenie z wizją komputerową lub złożonym modelowaniem. Zacznij budować własne inteligentne systemy opisu obrazu już dziś.