لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق تصاویر ماهوارهای
- آخرین آپدیت
دانلود Deep Learn Imagery
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره عملی ثابت میکند که یادگیری عمیق تنها به معنای اجرای یک مدل را نیست. بلکه در مورد تبدیل تصاویر ماهوارهای به بینشهای واقعی و کاربردی است. شما با شبکههای عصبی کانولوشنی (CNN) برای طبقهبندی پوشش زمین، بهینهسازی یک CNN پیشآموزشدیده با استفاده از یادگیری انتقالی (Transfer Learning)، استفاده از افزونی دادهها (Data Augmentation) برای بهبود عملکرد مدل و بهکارگیری Grad-CAM برای تحلیل دقیق نقاط مورد تمرکز مدل آشنا میشوید. در طول این مسیر، تمرین خواهید کرد که چگونه تصاویر ماهوارهای خام را به نتایج قابلارائه و قابلفهم تبدیل کنید. برای شرکت در این دوره، داشتن دانش پایه در برنامهنویسی پایتون، آشنایی با مفاهیم یادگیری ماشین و دانش مقدماتی در مورد شبکههای عصبی و دادههای تصویری ضروری است. این دوره که برای مبتدیان یادگیری ماشین و سنجش از دور طراحی شده است، اعتماد به نفس شما را در کار با یادگیری عمیق و توضیح دادن عملکرد مدلهایتان افزایش میدهد.
سرفصل ها و درس ها
بهینهسازی شبکههای عصبی کانولوشنی برای پوشش زمین
Fine-Tuning CNNs for Land Cover
مقدمه و خوشآمدگویی
Introduction and Welcome
بهینهسازی CNNهای پیشآموزشدیده و بازاستفاده از ویژگیها برای تصاویر ماهوارهای
Fine-Tuning Pre-Trained CNNs and Feature Reuse for Satellite Imagery
بهبود عملکرد مدل با استفاده از افزونی دادهها
Improving Model Performance with Data Augmentation
افزونی دادهها برای طبقهبندی پوشش زمین
Data Augmentation for Land-Cover Classification
ساخت خطلوله افزونی برای آموزش CNN
Building an Augmentation Pipeline for CNN Training
توضیح پیشبینیهای مدل با Grad CAM
Explaining Model Predictions with Grad-CAM
درک و استفاده از Grad CAM برای طبقهبندی پوشش زمین
Understanding and Using Grad-CAM for Land-Cover Classification
تبریکات و مسیر یادگیری مستمر
Congratulations and Continuous Learning Journey
نمایش نظرات