Hands-on deep learning for image analysis with Pytorch: Learn AI

เราได้รวบรวม Notebooks สำหรับการเรียนการสอนในวิชา การเรียนรู้เชิงลึกสำหรับประมวลผลภาพแบบเน้นโค้ดด้วย Pytorch โดยผู้เรียนสามารถเรียนบทเรียนได้จากเว็บไซต์ Learn AI จากนั้นสามารถทดลองทำแบบฝึกหัดจาก Notebooks ของแต่ละบทเรียน

บทที่ 1 พื้นฐานของโครงข่ายประสาทเทียม

• การใช้ Pytorch เบื้องต้น
• การสร้างโครงข่ายประสาทเทียมเบื้องต้น
• องค์ประกอบต่างของการเขียนโครงข่ายประสาทเทียม (Dataset, DataLoader, Model, Optimizer, Scheduler)

บทที่ 2 การใช้โครงข่ายประสาทเทียมเพื่อแบ่งประเภทภาพ

• สร้าง Convolutional Neural Network (CNN) ด้วย Pytorch
• ใช้ Transfer learning ด้วย Pytorch และ Torchvision
• ใช้ Transfer learning ด้วย FastAI
• การ Augmentation ด้วยไลบรารี่ torchvision, albumentations

บทที่ 3 การใช้โครงข่ายประสาทเทียมเพื่อตรวจจับวัตถุ

• ชุดข้อมูลของการตรวจจับวัตถุ COCO Format
• ใช้ไลบรารี่ Icevision เพื่อตรวจจับวัตถุ

บทที่ 4 การใช้โครงข่ายประสาทเทียมเพื่อแบ่งประเภทพิกเซลจากภาพ

• การสร้าง UNet เพื่อแบ่งประเภทพิกเซลจากภาพ
• การใช้ FastAI เพื่อแบ่งประเภทพิกเซลจากภาพ

บทที่ 5 การใช้โครงข่ายประสาทเทียมเพื่อสร้างภาพ

• การสร้าง GAN ด้วย Pytorch
• การสร้างโมเดล Pix2Pix ด้วย Pytorch