Transfer Learning for Food Classification

4.6
звезд
Оценки: 45
от партнера
Coursera Project Network
3,357 уже зарегистрированы
В этом Проект с консультациями вы:

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

Build and train a Deep Learning Model using Pre-Trained InceptionResnetV2

Assess the performance of trained CNN using various Key performance indicators

Clock2 hours
BeginnerНачинающий
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this hands-on project, we will train a deep learning model to predict the type of food and then fine tune the model to improve its performance. This project could be practically applied in food industry to detect the type and quality of food. In this 2-hours long project-based course, you will be able to: - Understand the theory and intuition behind Convolutional Neural Networks (CNNs). - Understand the theory and intuition behind transfer learning. - Import Key libraries, dataset and visualize images. - Perform data augmentation. - Build a Deep Learning Model using Pre-Trained InceptionResnetV2. - Compile and fit Deep Learning model to training data. - Assess the performance of trained CNN and ensure its generalization using various KPIs.

Навыки, которые вы получите

Deep LearningMachine LearningPython ProgrammingArtificial Intelligence(AI)Computer Vision

Будете учиться пошагово

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

  1. Understand the Problem Statement and Business Case

  2. Import Libraries and Datasets

  3. Perform Data Exploration and Visualization

  4. Perform Image Augmentation and Create Data Generator

  5. Understand the theory and intuition behind Transfer Learning

  6. Build Deep Learning model using Pre-trained Inception ResNet

  7. Compile and Train Deep Learning Model

  8. Fine Tune the Trained Model

  9. Assess the Performance of the Trained Model

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

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.