Learn about image classification with CNNs, the difference between the binary and multi-class image classification models, and how to use transfer learning for image classification in PyTorch.

Binary and multi-class image classification

The number of classes

Binary classification model

Multi-class classification model

Convolutional layers for images

RGB, grayscale, or alpha?

Adding a new convolutional layer

Creating a sequential block

Working with pre-trained models

Save and load a model

Loading a pre-trained model

Image classification with ResNet

Image Classification with CNNs

Detect objects in images by predicting bounding boxes around them and evaluate the performance of object recognition models.

Boîtes englobantes

Reconnaissance d’objets

Tenseurs d’images

Tracer une boîte englobante

Évaluer des modèles de reconnaissance d’objets

Calculer l'IoU

Prédiction des boîtes englobantes

Calculer le NMS

Détection d’objets avec R-CNN

Backbone de modèle préentraîné

Bloc classificateur

Bloc de régression de boîtes

Propositions de régions avec Faster R-CNN

Générateur d’ancres

Modèle Faster R-CNN

Définir les pertes pour RPN et R-CNN

Object Recognition

Learn about the three types of image segmentation (semantic, instance, and panoptic), their applications, and the appropriate machine learning model architectures to perform each of them.

Introduction to image segmentation

Segmentation types

Creating binary masks

Segmenting image with a mask

Instance segmentation with Mask R-CNN

Segmenting with pre-trained Mask R-CNN

Analyzing model output

Displaying soft masks

Semantic segmentation with U-Net

Building a U-Net: layers definitions

Building a U-Net: forward method

Running semantic segmentation

Panoptic segmentation

Setup up semantic masks

Overlay instance masks

Image Segmentation

Generate completely new images with Generative Adversarial Networks (GANs). Learn to build and train a Deep Convolutional GAN, and how to evaluate the quality and variety of its outputs.

Introduction to GANs

GANs intuition

Generator

Discriminator

Deep Convolutional GAN

Convolutional Generator

Convolutional Discriminator

Training GANs

Generator loss

Discriminator loss

Training loop

Evaluating GANs

Generating images

Fréchet Inception Distance

Wrap-up

Image Generation with GANs

Dans ce cours, vous utiliserez PyTorch pour découvrir la classification d’images, la reconnaissance d’objets, la segmentation et la génération d’images. Vous travaillerez avec des modèles de classification d’images binaires et multi-classes, exploiterez des modèles préentraînés pour des tâches de deep learning et maîtriserez la détection d’objets avec des boîtes englobantes. Vous aborderez également la segmentation d’images — sémantique, d’instances et panoptique — avec des cas d’usage concrets. Enfin, vous explorerez les Generative Adversarial Networks (GANs) et apprendrez à évaluer la qualité et la diversité des images générées.

Ce cours sur l'apprentissage profond pour les images à l'aide de PyTorch vous permettra d'acquérir les compétences pratiques et les connaissances nécessaires pour exceller dans la classification d'images, la détection d'objets, la segmentation et la génération. 

<h2>Classification d'images à l'aide de réseaux neuronaux convolutifs (CNN)</h2>

Vous appliquerez les CNN à la classification d'images binaires et multi-classes et comprendrez comment exploiter les modèles pré-entraînés dans PyTorch. Grâce aux cadres de sélection, vous pourrez également détecter des objets dans une image et évaluer les performances des modèles de reconnaissance d'objets.

<h2>Segmenter les images en appliquant des masques</h2>

Découvrez la segmentation d'images, notamment la segmentation sémantique, par instance et panoptique, en appliquant des masques aux images, et familiarisez-vous avec les différentes architectures de modèles requises pour chaque type de segmentation. 

<h2>Générer des images avec les GAN</h2>

Enfin, vous apprendrez à générer vos propres images à l'aide des réseaux antagonistes génératifs (GAN). Vous apprendrez les compétences nécessaires pour créer et former des réseaux GAN convolutifs profonds (DCGAN) et évaluer la qualité et la diversité des images générées.

À la fin de ce cours, vous aurez acquis les compétences et l'expérience nécessaires pour travailler sur diverses tâches liées aux images à l'aide des modèles PyTorch.

Intermediate Deep Learning with PyTorch

Utilisez PyTorch pour détecter des objets et segmenter des images avec des modèles d'apprentissage profond.

Deep Learning pour l’image avec PyTorch

Appliquez PyTorch aux images : détection d’objets et segmentation par deep learning.

Apprentissage profond en Python

Calculer l'IoU

Exercice interactif pratique