Object Localization with TensorFlow

4.4
звезд
Оценки: 50
от партнера
Coursera Project Network
2 570 уже зарегистрированы
В этом Бесплатный проект с консультациями вы:

Create synthetic data for model training

Create and train a multi output neural network to perform object localization

Create custom metrics and calbacks in Keras

Продемонстрируйте этот практический опыт на собеседовании

Clock2 hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

Welcome to this 2 hour long guided project on creating and training an Object Localization model with TensorFlow. In this guided project, we are going to use TensorFlow's Keras API to create a convolutional neural network which will be trained to classify as well as localize emojis in images. Localization, in this context, means the position of the emojis in the images. This means that the network will have one input and two outputs. Think of this task as a simpler version of Object Detection. In Object Detection, we might have multiple objects in the input images, and an object detection model predicts the classes as well as bounding boxes for all of those objects. In Object Localization, we are working with the assumption that there is just one object in any given image, and our CNN model will classify and localize that object. Please note that you will need prior programming experience in Python. You will also need familiarity with TensorFlow. This is a practical, hands on guided project for learners who already have theoretical understanding of Neural Networks, Convolutional Neural Networks, and optimization algorithms like Gradient Descent but want to understand how to use use TensorFlow to solve computer vision tasks like Object Localization.

Требования

Prior programming experience in Python. Conceptual understanding of Neural Networks. Prior experience with TensorFlow and Keras.

Навыки, которые вы получите

  • Deep Learning
  • Machine Learning
  • Tensorflow
  • Computer Vision
  • keras

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introduction

  2. Download and Visualize Data

  3. Create Examples

  4. Plot Bouding Boxes

  5. Data Generator

  6. Model

  7. Custom Metric: IoU

  8. Compile the Model

  9. Custom Callback

  10. Model Training

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

Преподаватели

Рецензии

Лучшие отзывы о курсе OBJECT LOCALIZATION WITH TENSORFLOW

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.