Episódio
Classificação de Cão vs Gato Usando Rede Neural de Convolução | Dia da Ciência de Dados Python
com o Jyothi Swaroop Makena
Nesta apresentação, mergulhamos 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 em 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 de animais de estimação comuns.
O modelo CNN é uma rede neural multicamadas que emprega camadas convolucionais para aprender automaticamente recursos hierárquicos a partir de imagens de entrada. Essas camadas convolucionais são complementadas por camadas de agrupamento, que reduzem as dimensões espaciais dos recursos aprendidos, 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 da aprendizagem profunda em tarefas de classificação de imagens e serve como base para a compreensão das aplicações mais amplas das redes neurais na visão computacional. Mesmo que você não tenha nenhuma experiência anterior com deep learning, eu 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 - Ordem do dia de hoje
- 02:40 - O que é a Rede Neural de Convolução (CNN)
- 03:50 - Porquê a CNN? Por que não a ANN?
- 07:52 - Arquitetura típica da CNN
- 11:10 - Aplicações CNN
- 11:57 - Demonstração
Episódios relacionados
Ligar
- Jyothi Swaroop Makena - Brasil | LinkedIn: /in/jyothiswaroopmakena/
Nesta apresentação, mergulhamos 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 em 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 de animais de estimação comuns.
O modelo CNN é uma rede neural multicamadas que emprega camadas convolucionais para aprender automaticamente recursos hierárquicos a partir de imagens de entrada. Essas camadas convolucionais são complementadas por camadas de agrupamento, que reduzem as dimensões espaciais dos recursos aprendidos, 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 da aprendizagem profunda em tarefas de classificação de imagens e serve como base para a compreensão das aplicações mais amplas das redes neurais na visão computacional. Mesmo que você não tenha nenhuma experiência anterior com deep learning, eu 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 - Ordem do dia de hoje
- 02:40 - O que é a Rede Neural de Convolução (CNN)
- 03:50 - Porquê a CNN? Por que não a ANN?
- 07:52 - Arquitetura típica da CNN
- 11:10 - Aplicações CNN
- 11:57 - Demonstração
Episódios relacionados
Ligar
- Jyothi Swaroop Makena - Brasil | LinkedIn: /in/jyothiswaroopmakena/
Tem comentários? Submeta um problema aqui.