Image Super Resolution Using Autoencoders in Keras
Understand what autoencoders are and why they are used
Design and train an autoencoder to increase the resolution of images with Keras
Welcome to this 1.5 hours long hands-on project on Image Super Resolution using Autoencoders in Keras. In this project, you’re going to learn what an autoencoder is, use Keras with Tensorflow as its backend to train your own autoencoder, and use this deep learning powered autoencoder to significantly enhance the quality of images. That is, our neural network will create high-resolution images from low-res source images. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and Keras pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Навыки, которые вы получите
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Project Overview and Import Libraries
What are Autoencoders?
Build the Encoder
Build the Decoder to Complete the Network
Create Dataset and Specify Training Routine
Load the Dataset and Pre-trained Model
Model Predictions and Visualizing the Results
Как устроены проекты с консультациями
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
Рецензии
Лучшие отзывы о курсе IMAGE SUPER RESOLUTION USING AUTOENCODERS IN KERAS
Very informative, but extremely short project, I would have loved for more explanation on the theory behind each of the layers used and more loss functions and optimizer.
The theory explanation was succinct and satisfactory. The coding style and code explanation could have been better. Overall good for introduction to autoencoder.
Excellent ! New concept and definitely not boring. The instructor was able to explain most of the necessary elements but some functions were never explained.
Amazing course to gain knowledge in one of the trending field i.e. Image Super Resolution. I gain what I was looking for in this particular guided project.
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
