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

Object recognition

Image tensors

Drawing a bounding box

Evaluating object recognition models

Calculate IoU

Bounding boxes prediction

Calculate NMS

Object detection using R-CNN

Pre-trained model backbone

Classifier block

Box regressor block

Region network proposals with Faster R-CNN

Anchor generator

Faster R-CNN model

Define losses for RPN and 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.

GAN’lere Giriş

GAN sezgisi

Jeneratör

Discriminator

Derin Evrişimsel GAN

Evrişimsel Üreteç

Evrişimsel Ayrıştırıcı (Discriminator)

GAN'leri Eğitme

Üreteç kaybı

Ayrıştırıcı kaybı

Eğitim döngüsü

GAN'leri Değerlendirme

Görsel üretme

Fréchet Inception Distance

Kapanış

Image Generation with GANs

Bu kursta, görüntü sınıflandırma, nesne tanıma, bölütleme ve görüntü üretimini keşfetmek için PyTorch kullanacaksın. Hem ikili hem de çok sınıflı görüntü sınıflandırma modelleriyle çalışacak, derin öğrenme görevleri için önceden eğitilmiş modellerden yararlanacak ve sınırlayıcı kutularla nesne tespitinde ustalaşacaksın. Ayrıca, anlamsal, örnek ve panoramik türler dahil görüntü bölütlemeye ve gerçek dünya uygulamalarına dalacaksın. Son olarak, Generative Adversarial Networks (GANs) dünyasını keşfedecek ve üretilen görüntülerin kalite ve çeşitliliğini değerlendirmeyi öğreneceksin.

PyTorch kullanarak görüntüler için derin öğrenme üzerine olan bu kurs, görüntü sınıflandırma, nesne algılama, segmentasyon ve üretme alanlarında başarılı olmak için gerekli pratik becerileri ve bilgileri size kazandıracaktır. 

<h2>Görüntüleri evrişimli sinir ağları (CNN) ile sınıflandırın</h2>

CNN'leri ikili ve çok sınıflı görüntü sınıflandırması için uygulayacak ve PyTorch'ta önceden eğitilmiş modelleri nasıl kullanabileceğinizi öğreneceksiniz. Sınırlayıcı kutularla, bir görüntüdeki nesneleri algılayabilir ve nesne tanıma modellerinin performansını değerlendirebilirsiniz.

<h2>Maskeler uygulayarak görüntüleri bölümlere ayırın</h2>

Görüntülere maskeler uygulayarak semantik, örnek ve panoptik segmentasyon dahil olmak üzere görüntü segmentasyonunu keşfedin ve her segmentasyon türü için gerekli olan farklı model mimarileri hakkında bilgi edinin. 

<h2>GAN'larla görüntüler oluşturun</h2>

Son olarak, Generative Adversarial Networks (GAN) kullanarak kendi görüntülerinizi nasıl oluşturacağınızı öğreneceksiniz. Derin Evrişimli GAN'lar (DCGAN'lar) oluşturma ve eğitme becerilerini ve üretilen görüntülerin kalitesini ve çeşitliliğini değerlendirme yöntemlerini öğreneceksiniz.

Bu kursun sonunda, PyTorch modellerini kullanarak çeşitli görüntü görevlerinde çalışmak için gerekli beceri ve deneyimi kazanmış olacaksınız.

Intermediate Deep Learning with PyTorch

PyTorch'u görüntülere uygulayın, nesne tespiti ve görüntü segmentasyonu için derin öğrenme kullanın.

PyTorch ile Görüntüler için Deep Learning

PyTorch'u görüntülere uygulayın ve sınırlayıcı kutular ve görüntü segmentasyonu oluşturma ile nesne algılama için derin öğrenme modellerini kullanın.

Derin Öğrenme Python'da

GAN sezgisi

PyTorch ile Görüntüler için Deep Learning

Uygulamalı etkileşimli egzersiz