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.

Bounding boxes

Objectherkenning

Afbeeldingstensors

Een bounding box tekenen

Objectherkenningsmodellen evalueren

IoU berekenen

Voorspelling van bounding boxes

NMS berekenen

Objectdetectie met R-CNN

Backbone van een voorgetraind model

Classifier-blok

Box-regressorblok

Regio-voorstellen met Faster R-CNN

Anchor generator

Faster R-CNN-model

Verliezen definiëren voor RPN en 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 deze cursus gebruik je PyTorch om aan de slag te gaan met beeldclassificatie, objectherkenning, segmentatie en het genereren van afbeeldingen. Je werkt met zowel binaire als multi-class beeldclassificatiemodellen, gebruikt pre-trained modellen voor Deep Learning-taken en leert objectdetectie met bounding boxes. Daarnaast verdiep je je in beeldsegmentatie, waaronder semantische, instance- en panoptische segmentatie, met toepassingen uit de praktijk. Tot slot verken je Generative Adversarial Networks (GANs) en leer je de kwaliteit en diversiteit van de gegenereerde afbeeldingen beoordelen.

Deze cursus over deep learning voor afbeeldingen met PyTorch geeft je de praktische vaardigheden en kennis om goed te worden in het classificeren, detecteren, segmenteren en genereren van afbeeldingen. 

<h2>Classificeer afbeeldingen met convolutionele neurale netwerken (CNN's)</h2>

Je gaat CNN's gebruiken voor het classificeren van afbeeldingen in twee of meerdere klassen en je leert hoe je vooraf getrainde modellen in PyTorch kunt gebruiken. Met bounding boxes kun je ook dingen in een afbeelding vinden en kijken hoe goed objectherkenningsmodellen werken.

<h2>Segmenteer afbeeldingen door maskers toe te passen</h2>

Duik in beeldsegmentatie, zoals semantische, instantie- en panoptische segmentatie, door maskers op afbeeldingen te zetten en leer over de verschillende modelarchitecturen die je voor elk type segmentatie nodig hebt. 

<h2>Maak afbeeldingen met GAN's</h2>

Tot slot leer je hoe je je eigen afbeeldingen kunt maken met behulp van Generative Adversarial Networks (GAN's). Je leert hoe je Deep Convolutional GAN's (DCGAN's) kunt bouwen en trainen, en hoe je de kwaliteit en diversiteit van gegenereerde afbeeldingen kunt beoordelen.

Aan het einde van deze cursus heb je de vaardigheden en ervaring om met PyTorch-modellen aan verschillende beeldtaken te werken.

Intermediate Deep Learning with PyTorch

Gebruik PyTorch voor afbeeldingen en pas deep learning toe voor objectdetectie en segmentatie.

Deep Learning voor afbeeldingen met PyTorch

Gebruik PyTorch voor afbeeldingen en zet deep learning-modellen in voor het vinden van objecten met begrenzingskaders en het maken van beeldsegmentatie.

Deep learning in Python

IoU berekenen

Deep Learning voor afbeeldingen met PyTorch

Praktische interactieve oefening