Episódio
Classificação Cão vs Gato Usando Rede Neural Convolução | Dia da Ciência de Dados Python
por Jyothi Swaroop Makena
Nesta apresentação, nos aprofundamos em um projeto de Rede Neural Convolucional (CNN) projetado para a classificação de imagens em duas categorias: cães e gatos. CNNs são um tipo de rede neural profunda particularmente adepta de tarefas de reconhecimento de imagem. Nosso objetivo é mostrar os meandros da arquitetura CNN e sua aplicação na construção de um classificador eficaz e preciso para distinguir entre essas espécies comuns de animais de estimação.
O modelo CNN é uma rede neural de várias camadas que emprega camadas convolucionais para aprender automaticamente características hierárquicas a partir de imagens de entrada. Essas camadas convolucionais são complementadas por camadas de agrupamento, que diminuem as dimensões espaciais das feições aprendidas, e camadas totalmente conectadas para fazer previsões. Nosso conjunto de dados consiste em imagens rotuladas de cães e gatos, servindo como material de treinamento para a CNN aprender e generalizar padrões.
Em última análise, este projeto da CNN exemplifica o poder do aprendizado profundo em tarefas de classificação de imagens e serve como base para entender as aplicações mais amplas das redes neurais em visão computacional. Mesmo que você não tenha nenhuma experiência anterior com deep learning, peço que você venha se juntar a mim e testemunhar as muitas maravilhas do Deep Learning e da CNN em particular.
Capítulos
- 00:00 - Classificação Cão vs Gato Usando Rede Neural de Convolução
- 01:29 - Agenda de hoje
- 02:40 - O que é Rede Neural de Convolução (CNN)
- 03:50 - Por que a CNN? Por que não ANN?
- 07:52 - Arquitetura típica da CNN
- 11:10 - Aplicações CNN
- 11:57 - Demonstração
Episódios relacionados
Conectar
- Jyothi Swaroop Makena - Brasil | LinkedIn: /in/jyothiswaroopmakena/
Nesta apresentação, nos aprofundamos em um projeto de Rede Neural Convolucional (CNN) projetado para a classificação de imagens em duas categorias: cães e gatos. CNNs são um tipo de rede neural profunda particularmente adepta de tarefas de reconhecimento de imagem. Nosso objetivo é mostrar os meandros da arquitetura CNN e sua aplicação na construção de um classificador eficaz e preciso para distinguir entre essas espécies comuns de animais de estimação.
O modelo CNN é uma rede neural de várias camadas que emprega camadas convolucionais para aprender automaticamente características hierárquicas a partir de imagens de entrada. Essas camadas convolucionais são complementadas por camadas de agrupamento, que diminuem as dimensões espaciais das feições aprendidas, e camadas totalmente conectadas para fazer previsões. Nosso conjunto de dados consiste em imagens rotuladas de cães e gatos, servindo como material de treinamento para a CNN aprender e generalizar padrões.
Em última análise, este projeto da CNN exemplifica o poder do aprendizado profundo em tarefas de classificação de imagens e serve como base para entender as aplicações mais amplas das redes neurais em visão computacional. Mesmo que você não tenha nenhuma experiência anterior com deep learning, peço que você venha se juntar a mim e testemunhar as muitas maravilhas do Deep Learning e da CNN em particular.
Capítulos
- 00:00 - Classificação Cão vs Gato Usando Rede Neural de Convolução
- 01:29 - Agenda de hoje
- 02:40 - O que é Rede Neural de Convolução (CNN)
- 03:50 - Por que a CNN? Por que não ANN?
- 07:52 - Arquitetura típica da CNN
- 11:10 - Aplicações CNN
- 11:57 - Demonstração
Episódios relacionados
Conectar
- Jyothi Swaroop Makena - Brasil | LinkedIn: /in/jyothiswaroopmakena/
Tem comentários? Envie um problema aqui.