Traffic Sign Classification Using Deep Learning in Python/Keras

4.6
звезд

Оценки: 352

•

Рецензии: 52

от партнера

10 324 уже зарегистрированы

В этом Проект с консультациями вы:

Understand the theory and intuition behind Convolutional Neural Networks (CNNs).

Build and train a Convolutional Neural Network using Keras with Tensorflow 2.0 as a backend.

Assess the performance of trained CNN and ensure its generalization using various Key performance indicators.

2 hours
Учащийся среднего уровня
Загрузка не требуется
Видео на разделенном экране
Английский
Только для ПК

In this 1-hour long project-based course, you will be able to: - Understand the theory and intuition behind Convolutional Neural Networks (CNNs). - Import Key libraries, dataset and visualize images. - Perform image normalization and convert from color-scaled to gray-scaled images. - Build a Convolutional Neural Network using Keras with Tensorflow 2.0 as a backend. - Compile and fit Deep Learning model to training data. - Assess the performance of trained CNN and ensure its generalization using various KPIs. - Improve network performance using regularization techniques such as dropout.

Навыки, которые вы получите

  • Deep Learning

  • Artificial Intelligence (AI)

  • Machine Learning

  • Python Programming

  • Computer Vision

Будете учиться пошагово

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

  1. Task 1: Project overview

  2. Task 2: Import libraries and datasets

  3. Task 3: Perform image visualization

  4. Task 4: Convert images to gray-scale and perform normalization

  5. Task 5: Understand the theory and intuition behind Convolutional Neural Networks

  6. Task 6: Build deep learning model

  7. Task 7: Compile and train deep learning model

  8. Task 8: Assess trained model performance

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 TRAFFIC SIGN CLASSIFICATION USING DEEP LEARNING IN PYTHON/KERAS

Посмотреть все отзывы

Часто задаваемые вопросы

Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.

Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.

Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.

Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.

Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.

Финансовая помощь недоступна для проектов с рекомендациями.

Прослушивание недоступно для проектов с консультациями.

В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.

Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.

Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.

Остались вопросы? Посетите Центр поддержки учащихся.

Coursera Footer

Начните карьеру или продвиньтесь по карьерной лестнице

Смотреть популярные темы

Популярные курсы и статьи

Получите диплом или сертификат онлайн

Coursera

Сообщество

Еще

Учитесь, где угодно
Загрузить из App StoreЗагрузить в Google Play
Placeholder