Corso in aula
Reti convoluzionali per la Object Recognition
Scheda corso
Prezzo
787 € + IVA
Durata
8 ore
Lingua
Italiano/Inglese
Titolo conseguito
Attestato
Codice corso
AGSAI005
RICHIEDI INFORMAZIONI
Le Reti Neurali Convoluzionali (CNN) sono uno degli algoritmi di Deep Learning più utilizzati oggi nella computer vision e trovano applicazione in tantissimi campi: dalle automobili autonome ai droni, dalle diagnosi mediche al supporto e trattamento per gli ipovedenti.
Il corso online è rivolto a:
- programmatori
- studenti laureati che conoscono la programmazione
È necessario per comprendere il corso:
- avere le basi del Machine Learning (es. apprendimento supervisionato, reti neurali, funzioni di costo ecc.)
- conoscere la costruzione di modelli di Machine Learning con Python
- conoscere i fondamenti di Teoria della Probabilità
L'obiettivo di questo corso è presentare le più recenti architetture e la loro applicazione su problemi concreti: riconoscimento facciale, segmentazione ed identificazione di oggetti.
- 1. CNN
- 1.1 Convolutional layer
- 1.2 Padding
- 1.3 Pooling layer
- 1.4 Strided Convolutions
- 2. Deep CNN models
- 2.1 ResNet
- 2.2 Inception
- 2.3 MobileNet
- 2.4 EfficientNet
- 2.5 Transfer Learning
- 3. Object Detection
- 3.1 Object Localization
- 3.2 Landmark Detection
- 3.3 Object Detection
- 3.4 YOLO
- 3.5 Semantic Segmentation
- 3.5 U-Net
- 4. Riconoscimento facciale
- 4.1 One shot Learning
- 4.2 Siamese Network
- 4.3 Verifica facciale
Le Reti Neurali Convoluzionali (CNN) sono uno degli algoritmi di Deep Learning più utilizzati oggi nella computer vision e trovano applicazione in tantissimi campi: dalle automobili autonome ai droni, dalle diagnosi mediche al supporto e trattamento per gli ipovedenti.
Il corso online è rivolto a:
- programmatori
- studenti laureati che conoscono la programmazione
È necessario per comprendere il corso:
- avere le basi del Machine Learning (es. apprendimento supervisionato, reti neurali, funzioni di costo ecc.)
- conoscere la costruzione di modelli di Machine Learning con Python
- conoscere i fondamenti di Teoria della Probabilità
L'obiettivo di questo corso è presentare le più recenti architetture e la loro applicazione su problemi concreti: riconoscimento facciale, segmentazione ed identificazione di oggetti.
- 1. CNN
- 1.1 Convolutional layer
- 1.2 Padding
- 1.3 Pooling layer
- 1.4 Strided Convolutions
- 2. Deep CNN models
- 2.1 ResNet
- 2.2 Inception
- 2.3 MobileNet
- 2.4 EfficientNet
- 2.5 Transfer Learning
- 3. Object Detection
- 3.1 Object Localization
- 3.2 Landmark Detection
- 3.3 Object Detection
- 3.4 YOLO
- 3.5 Semantic Segmentation
- 3.5 U-Net
- 4. Riconoscimento facciale
- 4.1 One shot Learning
- 4.2 Siamese Network
- 4.3 Verifica facciale
Scheda corso
Prezzo
787 € + IVA
Durata
8 ore
Lingua
Italiano/Inglese
Titolo conseguito
Attestato
Codice corso
AGSAI005
RICHIEDI INFORMAZIONI