Pelajaran
Computer Vision dengan Deep Learning: semua pelajaran
Mengajari mesin melihat: dari piksel sampai deteksi objek.
6 modul · 17 pelajaran · 1 gratis untuk dibaca sekarang
Tentang jalur ini: hasil belajar, tools, dan hargaModul 1Dasar-Dasar Citra Digital
3 pelajaranGambar sebagai angka, konvolusi sebagai jumlah berbobot yang digeser, dan kenapa CNN mempelajari filternya sendiri.
Bagi komputer, gambar adalah tabel angka. Konvolusi — sebuah jumlah berbobot kecil yang digeser — mengubah angka-angka itu menjadi tepi, tekstur, dan akhirnya objek.
Pra-pemrosesan dan Augmentasi Gambar
16 minMengubah ukuran, normalisasi, dan augmentasi yang membuat model tahan terhadap dunia nyata.
Termasuk dalam jalurnya Ada simulasinyaPooling dan Receptive Field
14 minBagaimana lapisan yang lebih dalam "melihat" bagian gambar yang lebih besar.
Termasuk dalam jalurnya Ada simulasinya
Modul 2Klasifikasi Gambar dengan CNN
3 pelajaranMembangun CNN di PyTorch, transfer learning dari model pralatih, dan mengevaluasi classifier dengan jujur.
Membangun CNN di PyTorch
22 minConv2d, pooling, dan kepala klasifikasi — dari nol sampai terlatih.
Termasuk dalam jalurnya Ada simulasinyaTransfer Learning dengan Backbone Pralatih
18 minMembekukan, fine-tuning, dan learning rate yang berbeda per lapisan.
Termasuk dalam jalurnya Ada simulasinyaMengevaluasi Classifier Gambar
16 minConfusion matrix, kelas yang tidak seimbang, dan melihat contoh yang salah.
Termasuk dalam jalurnya Ada simulasinya
Modul 3Deteksi Objek
3 pelajaranBounding box, IoU, detektor satu tahap seperti YOLO, dan cara membaca mAP.
Bounding Box dan IoU
15 minCara mengukur seberapa tepat sebuah kotak, dan non-maximum suppression.
Termasuk dalam jalurnya Ada simulasinyaDetektor Satu Tahap: YOLO
18 minMemprediksi kelas dan kotak sekaligus, dalam satu forward pass.
Termasuk dalam jalurnya Ada simulasinyaMelatih Detektor Kustom
20 minAnotasi, format label, dan fine-tuning pada objek milik Anda sendiri.
Termasuk dalam jalurnya Ada simulasinya
Modul 4Segmentasi Gambar
3 pelajaranKlasifikasi per piksel: segmentasi semantik dan instance, U-Net, dan model segmentasi umum.
Segmentasi Semantik vs Instance
14 minLabel per piksel, mask per objek, dan metrik untuk keduanya.
Termasuk dalam jalurnya Ada simulasinyaU-Net
18 minEncoder, decoder, dan skip connection yang mengembalikan detail.
Termasuk dalam jalurnya Ada simulasinyaModel Segmentasi dengan Prompt
14 minModel umum yang menyegmentasi apa pun dari satu klik atau kotak.
Termasuk dalam jalurnya
Modul 5Vision Transformer dan Model Multimodal
3 pelajaranViT, CLIP, dan model vision-language — ketika gambar dan teks berbagi satu ruang embedding.
Vision Transformer (ViT)
18 minPatch sebagai token, dan kapan ViT mengalahkan CNN.
Termasuk dalam jalurnya Ada simulasinyaCLIP dan Embedding Gambar-Teks
18 minKlasifikasi zero-shot dan pencarian gambar dengan kalimat.
Termasuk dalam jalurnya Ada simulasinyaModel Vision-Language
16 minLLM yang bisa membaca gambar: apa yang bisa, apa yang belum, dan cara mengujinya.
Termasuk dalam jalurnya
Modul 6Computer Vision di Produksi
2 pelajaranModel di perangkat edge dan mobile, latensi kamera real-time, dan satu proyek akhir.
Deployment di Edge dan Mobile
16 minModel kecil, kuantisasi, dan runtime untuk ponsel dan kamera.
Termasuk dalam jalurnya Ada simulasinyaProyek Akhir: Sistem Visi
1jDari dataset beranotasi sampai detektor yang berjalan dan dievaluasi.
Termasuk dalam jalurnya Ada simulasinya