Ispezione automatizzata delle immagini utilizzando CNN pre-addestrati e PyTorch

Le reti neurali convoluzionali (CNN) preaddestrate consentono di sfruttare modelli di visione computerizzata all'avanguardia senza doverli addestrare da zero. Questo corso basato su testo ti guiderà attraverso il processo di applicazione del transfer learning per classificare le immagini industriali utilizzando PyTorch.Passerai dalla comprensione dei concetti di base del deep learning all'adattamento di potenti architetture per attività di ispezione automatizzate nel mondo reale. Cosa imparerai: - Comprendere i concetti fondamentali delle reti neurali convoluzionali e dell'apprendimento del trasferimento. - Configurare architetture pre-addestrate come ResNet e MobileNet utilizzando la moderna API dei pesi PyTorch. - Preparare e preelaborare i set di dati di ispezione per una compatibilità ottimale del modello. - Modificare i livelli di classificazione finale di un modello per adattarlo alle categorie di ispezione specifiche. - Allena e perfeziona la rete utilizzando dati di immagine personalizzati. - Valuta le prestazioni del modello utilizzando metriche di classificazione come accuratezza, precisione e richiamo. Inizierai con la terminologia essenziale e i meccanismi di classificazione delle immagini prima di passare a implementazioni di codice passo-passo.Attraverso spiegazioni chiare ed esercizi pratici scritti, imparerai a caricare, adattare ed eseguire l'inferenza con modelli pre-addestrati. Questo corso è progettato per sviluppatori di software, ingegneri della qualità e principianti curiosi di conoscere la visione artificiale, senza che sia necessaria alcuna esperienza di apprendimento approfondito.