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.

Rettangoli di delimitazione

Riconoscimento di oggetti

Tensori di immagini

Disegnare una bounding box

Valutare i modelli di riconoscimento degli oggetti

Calcola l'IoU

Predizione dei bounding box

Calcola NMS

Rilevamento di oggetti con R-CNN

Backbone di un modello pre-addestrato

Blocco del classificatore

Blocco di regressione per i box

Proposte di regioni con Faster R-CNN

Generatore di anchor

Modello Faster R-CNN

Definisci le loss per RPN e 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

In questo corso userai PyTorch per esplorare la classificazione di immagini, il riconoscimento di oggetti, la segmentazione e la generazione di immagini. Lavorerai con modelli di classificazione di immagini binaria e multi-classe, sfrutterai modelli pre-addestrati per compiti di deep learning e padroneggerai il rilevamento di oggetti con bounding box. Inoltre, approfondirai la segmentazione di immagini, includendo i tipi semantica, a istanze e panottica, con applicazioni reali. Infine, esplorerai le Generative Adversarial Networks (GAN) e imparerai a valutare la qualità e la diversità delle immagini generate.

Questo corso sul deep learning per immagini con PyTorch ti darà le competenze pratiche e le conoscenze per diventare un esperto nella classificazione delle immagini, nel rilevamento degli oggetti, nella segmentazione e nella generazione. 

<h2>Classifica le immagini con le reti neurali convoluzionali (CNN)</h2>

Applicherai le CNN per la classificazione di immagini binarie e multi-classe e capirai come usare i modelli pre-addestrati in PyTorch. Con i riquadri di delimitazione, potrai anche individuare gli oggetti all'interno di un'immagine e vedere come vanno i modelli di riconoscimento degli oggetti.

<h2>Segmenta le immagini usando delle maschere</h2>

Scopri la segmentazione delle immagini, come quella semantica, per istanza e panottica, usando delle maschere sulle immagini e impara le diverse architetture di modelli che servono per ogni tipo di segmentazione. 

<h2>Crea immagini con le GAN</h2>

Infine, imparerai come creare le tue immagini usando le reti generative avversarie (GAN). Imparerai le competenze necessarie per creare e addestrare Deep Convolutional GAN (DCGAN) e come valutare la qualità e la diversità delle immagini generate.

Alla fine di questo corso, avrai imparato le competenze e l'esperienza per lavorare su vari compiti relativi alle immagini usando i modelli PyTorch.

Intermediate Deep Learning with PyTorch

Applica PyTorch alle immagini e usa modelli di deep learning per rilevamento oggetti e segmentazione.

Deep Learning per Immagini con PyTorch

Apprendimento profondo in Python

Riconoscimento di oggetti

Deep Learning per Immagini con PyTorch

Esercizio pratico interattivo