Séance de cours
Estimation de la pose à la main
Dans cours
DEMO: cupidatat ex
Ut duis fugiat esse irure cupidatat commodo proident qui cillum. Mollit duis eu ullamco anim fugiat aliquip ex esse adipisicing enim nulla. Cupidatat enim excepteur est ut laboris eiusmod veniam occaecat dolore officia ex ullamco tempor. Quis officia et mollit ut ut labore tempor est. Sit pariatur consectetur laborum irure. Minim minim mollit occaecat commodo ea sunt quis qui ea in.
Description
Cette séance de cours couvre des sujets tels que l'estimation de la pose de la main à partir d'images de profondeur, les techniques de régression et l'utilisation de couches convolutionnelles dans les réseaux neuronaux. Il traite de l'évolution des modèles de classification d'images de LeNet à VGG19 et des progrès de l'apprentissage profond avec des architectures comme ResNet et U-Net. La séance de cours explore également l'application des réseaux neuronaux dans des tâches telles que la classification d'images, l'estimation de la pose à la main et l'utilisation par AlphaGo de réseaux profonds pour la prise de décision stratégique dans le jeu de Go.
Enseignant
ad aliqua
Tempor ullamco culpa ipsum ipsum Lorem adipisicing in consequat minim. Eiusmod adipisicing reprehenderit aliqua dolore sit tempor in anim esse incididunt. Occaecat ad sit nisi reprehenderit proident laboris adipisicing Lorem consectetur est. Nostrud sunt proident ex anim ad exercitation mollit tempor enim non esse deserunt quis ex.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (138)
Réseaux neuronaux : apprentissage multicouche
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond, y compris la propagation arrière et les architectures réseau comme LeNet, AlexNet et VGG-16.
Réseaux neuronaux multicouches: Deep Learning
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.