Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Explore la segmentation de l'image, les techniques de seuil, la segmentation de la texture et l'étiquetage des composants connectés dans le traitement de l'image.
Introduit l'apprentissage non supervisé en cluster avec les moyennes K et la réduction de dimensionnalité à l'aide de PCA, ainsi que des exemples pratiques.
Introduit des bases d'apprentissage automatique, couvrant la segmentation des données, le regroupement, la classification, et des applications pratiques comme la classification d'image et la similarité du visage.
Couvre les bases de l'acquisition d'images, y compris les dispositifs optiques, les facteurs de résolution, les distorsions de la lentille et les technologies de capteur.
Plongez dans le deep learning pour la classification des images et des objets dans les systèmes IoT, y compris les techniques de clustering et les problèmes de confidentialité.
