Свёрточные нейронные сети: как CNN изменили компьютерное зрение и почему они до сих пор актуальны
🟢На лекции курса Компьютерное зрение вас ждет: Задача для участников вебинара: Задание - https://disk.yandex.ru/d/nU52HKJt3LqI4g
Решение - https://disk.yandex.ru/d/hca0neXvih0Kjw
• Базовая структура свёрточных сетей: фильтры, каналы, свёртки, pooling, fully-connected слои • Эволюция архитектур: от LeNet и VGG до ResNet, Inception и MobileNet • Примеры применения: задачи классификации, детекции, сегментации, медицины, автономных систем и др. •Обсуждение сильных и слабых сторон CNN и их актуальности в современных пайплайнах Свёрточные нейронные сети (CNN) — архитектура, которая стала фундаментом современного компьютерного зрения. На этой лекции разберём, как устроены CNN, почему они так эффективны для анализа изображений и как их эволюция повлияла на развитие всей области. 🟢Вебинар будет особенно интересен: • Студентам технических направлений, изучающим машинное обучение и ИИ • Начинающим ML-инженерам и data scientists, осваивающим CV-инструментарий • Тем, кто хочет разобраться, как именно работают свёрточные сети — на уровне интуиции и архитектурных блоков 🟢На открытом уроке вы: • Поймёте, как работает сверточная архитектура и зачем нужны Conv, Pooling и Encoder-блоки • Разберётесь в ключевых архитектурах CNN и их роли в развитии CV • Научитесь понимать и выбирать CNN-модели под задачи анализа изображений, включая задачи на ваших проектах «Компьютерное зрение» - https://otus.pw/WmMq/
Преподаватель: Дмитрий Колесников - Lead Computer Vision Engineer Практика - https://otus.pw/6CJej/
Пройдите опрос по итогам мероприятия - https://otus.pw/bMdT/
Следите за новостями проекта: Telegram: https://t.me/Otusjava
ВКонтакте: https://otus.pw/850t
LinkedIn: https://otus.pw/yQwQ/
Хабр: https://otus.pw/S0nM/
