Épisode
Classification des chiens et des chats à l’aide du réseau neuronal convolution | Jour du Science des données Python
par Jyothi Swaroop Makena
Dans cette présentation, nous allons examiner un projet de réseau neuronal convolutionnel (CNN) conçu pour la classification des images en deux catégories : les chiens et les chats. Les réseaux réseau sont un type de réseau neuronal profond particulièrement adept aux tâches de reconnaissance d’image. Notre objectif est de présenter les complexités de l’architecture CNN et son application dans la création d’un classifieur efficace et précis pour distinguer ces espèces d’animaux communs.
Le modèle CNN est un réseau neuronal multicouche qui utilise des couches convolutionnelles pour apprendre automatiquement des fonctionnalités hiérarchiques à partir d’images d’entrée. Ces couches convolutionnelles sont complétées par des couches de regroupement, qui décomptent les dimensions spatiales des caractéristiques apprises et des couches entièrement connectées pour effectuer des prédictions. Notre jeu de données se compose d’images étiquetées de chiens et de chats, servant de matériel d’entraînement pour le CNN pour apprendre et généraliser des modèles.
En fin de compte, ce projet CNN illustre la puissance de l’apprentissage profond dans les tâches de classification d’images et sert de base pour comprendre les applications plus larges des réseaux neuronaux dans la vision par ordinateur. Même si vous n’avez pas d’expérience préalable avec l’apprentissage profond, je vous invite à venir me rejoindre, et témoin des nombreuses merveilles de Deep Apprentissage et CNN en particulier.
Chapitres
- 00 :00 - Classification des chiens et des chats à l’aide du réseau neuronal convolution
- 01 :29 - Agenda d’aujourd’hui
- 02 :40 - Qu’est-ce que le réseau neuronal Convolution (CNN)
- 03 :50 - Pourquoi CNN ? Pourquoi pas ANN ?
- 07 :52 - Architecture CNN classique
- 11 :10 - Applications CNN
- 11 :57 - Démonstration
Épisodes associés
Se connecter
- Jyothi Swaroop Makena | LinkedIn : /in/jyothiswaroopmakena/
Dans cette présentation, nous allons examiner un projet de réseau neuronal convolutionnel (CNN) conçu pour la classification des images en deux catégories : les chiens et les chats. Les réseaux réseau sont un type de réseau neuronal profond particulièrement adept aux tâches de reconnaissance d’image. Notre objectif est de présenter les complexités de l’architecture CNN et son application dans la création d’un classifieur efficace et précis pour distinguer ces espèces d’animaux communs.
Le modèle CNN est un réseau neuronal multicouche qui utilise des couches convolutionnelles pour apprendre automatiquement des fonctionnalités hiérarchiques à partir d’images d’entrée. Ces couches convolutionnelles sont complétées par des couches de regroupement, qui décomptent les dimensions spatiales des caractéristiques apprises et des couches entièrement connectées pour effectuer des prédictions. Notre jeu de données se compose d’images étiquetées de chiens et de chats, servant de matériel d’entraînement pour le CNN pour apprendre et généraliser des modèles.
En fin de compte, ce projet CNN illustre la puissance de l’apprentissage profond dans les tâches de classification d’images et sert de base pour comprendre les applications plus larges des réseaux neuronaux dans la vision par ordinateur. Même si vous n’avez pas d’expérience préalable avec l’apprentissage profond, je vous invite à venir me rejoindre, et témoin des nombreuses merveilles de Deep Apprentissage et CNN en particulier.
Chapitres
- 00 :00 - Classification des chiens et des chats à l’aide du réseau neuronal convolution
- 01 :29 - Agenda d’aujourd’hui
- 02 :40 - Qu’est-ce que le réseau neuronal Convolution (CNN)
- 03 :50 - Pourquoi CNN ? Pourquoi pas ANN ?
- 07 :52 - Architecture CNN classique
- 11 :10 - Applications CNN
- 11 :57 - Démonstration
Épisodes associés
Se connecter
- Jyothi Swaroop Makena | LinkedIn : /in/jyothiswaroopmakena/
Vous voulez donner votre avis ? Soumettez un problème ici.