Explore l'évaluation de la précision et de la robustesse de la machine et de l'homme sur ImageNet, en soulignant les progrès, les défis et la nécessité d'améliorer.

Comprendre les classificateurs ImageNet

Explore la généralisation des classificateurs ImageNet et les défis à relever pour obtenir des modèles d'apprentissage automatique fiables.

Vision robuste : Augmenter les données et assembler les techniques

Explore les techniques d'augmentation et d'assemblage des données pour une vision robuste, en comparant les modèles ViT et ResNet.

Les systèmes d’image sociale : du passé au présent

Explore l'évolution des systèmes d'image sociale, des modèles d'apprentissage en profondeur, des selfies et de la biométrie sur les plateformes en ligne.

Vision par ordinateur : Récapitulatif

Récapitulatif des concepts clés de la vision par ordinateur, des défis, des opportunités et des détails des examens à venir.

Apprentissage automatique pour les physiciens et les chimistes : Classification de l'image

Couvre les fondamentaux de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur les tâches de classification d'images à l'aide de l'intelligence artificielle.

Classification de l'image : Autres types de données

Couvre la classification des images avec différentes entrées et sorties de données.