Object Localization with TensorFlow
93개의 평가

5,227명이 이미 등록했습니다.
Create synthetic data for model training
Create and train a multi output neural network to perform object localization
Create custom metrics and calbacks in Keras
인터뷰에서 이 안내형 체험 보여주기
93개의 평가
5,227명이 이미 등록했습니다.
Create synthetic data for model training
Create and train a multi output neural network to perform object localization
Create custom metrics and calbacks in Keras
인터뷰에서 이 안내형 체험 보여주기
Welcome to this 2 hour long guided project on creating and training an Object Localization model with TensorFlow. In this guided project, we are going to use TensorFlow's Keras API to create a convolutional neural network which will be trained to classify as well as localize emojis in images. Localization, in this context, means the position of the emojis in the images. This means that the network will have one input and two outputs. Think of this task as a simpler version of Object Detection. In Object Detection, we might have multiple objects in the input images, and an object detection model predicts the classes as well as bounding boxes for all of those objects. In Object Localization, we are working with the assumption that there is just one object in any given image, and our CNN model will classify and localize that object. Please note that you will need prior programming experience in Python. You will also need familiarity with TensorFlow. This is a practical, hands on guided project for learners who already have theoretical understanding of Neural Networks, Convolutional Neural Networks, and optimization algorithms like Gradient Descent but want to understand how to use use TensorFlow to solve computer vision tasks like Object Localization.
Prior programming experience in Python. Conceptual understanding of Neural Networks. Prior experience with TensorFlow and Keras.
Deep Learning
Machine Learning
Tensorflow
Computer Vision
keras
작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.
Introduction
Download and Visualize Data
Create Examples
Plot Bouding Boxes
Data Generator
Model
Custom Metric: IoU
Compile the Model
Custom Callback
Model Training
작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.
분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.
LL 제공
2022년 3월 30일If you want to learn the basics and some advanced techniques in TF on object localization, this will help you get to understand each step of the process.
AO 제공
2021년 3월 29일A very good and helpful project for object detection. It would be absolute 5-stars guided-project if there was also an example for multiple object detection.
귀하의 작업 영역에는 노트북이나 데스크톱 컴퓨터에 맞게 용량이 지정된 클라우드 데스크톱이 포함되어 있으므로 모바일 기기에서는 안내 프로젝트를 이용할 수 없습니다.
안내 프로젝트 강사는 해당 주제의 전문가로서, 해당 프로젝트 영역이나 도구, 기술에 대한 경험이 풍부하며 전 세계 수백만 명의 학습자와 지식을 적극적으로 공유합니다.
안내 프로젝트에서 생성된 파일은 모두 다운로드하고 보관할 수 있습니다. 클라우드 데스크톱에 접속한 상태에서 '파일 브라우저'를 사용하여 파일을 다운로드할 수 있습니다.
페이지 상단에서 이 안내 프로젝트에 대한 경험 수준을 누르면 우선적으로 알아야 하는 지식을 확인할 수 있습니다. 안내 프로젝트의 단계마다 강사가 차례대로 안내해 드립니다.
네, 브라우저를 통해 이용할 수 있는 클라우드 데스크톱에서 안내 프로젝트 완료에 필요한 모든 것을 이용할 수 있습니다.
브라우저의 분할 화면 환경에서 바로 작업을 완료하여 학습할 수 있습니다. 화면 왼쪽에 있는 작업 영역에서 작업을 완료할 수 있습니다. 화면 오른쪽에서는 강사의 단계별 프로젝트 안내를 볼 수 있습니다.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.