使用 Tensorflow 2 進行深度學習目標偵測

使用 TensorFlow 2 和 Google AI Platform 理解、訓練和評估 Faster R-CNN、SSD 和 YOLO v3 模型

從這 10 小時的課程，你會學到

您將學習 Faster R-CNN 深度神經網路的工作原理
您將學習 SSD 深度神經網路的工作原理
您將學習 YOLO 深度神經網路的工作原理
您將學習如何使用 TensorFlow 2 目標偵測 API
您將學習如何使用自訂資料訓練和評估用於目標檢測的深度神經網絡，例如 Faster R-CNN、SSD 和 YOLOv3
您將學習如何“凍結”模型以獲得可用於生產的最終模型
您將學習如何使用「凍結」的模型，透過 OpenCV 和 TensorFlow 2 對一組新影像進行預測
您將學習如何使用 Google Cloud AI 平台在強大的雲端 GPU 上訓練目標偵測模型
您將學習如何使用 TensorBoard 視覺化模型損失函數和平均精確度平均值 (MAP) 的變化
您將學習如何更改不同的參數以提高模型的效能

要求

你需要具備 Python 的基礎知識（如果你知道什麼是類別和函數，那就沒問題了！）。
你需要對 TensorFlow 有基本的了解。
你不需要事先了解目標偵測是什麼，這正是本課程的目標！

課程說明

本課程旨在幫助您熟練基於深度學習的目標檢測模型的訓練和評估。具體來說，您將學習 Faster R-CNN、SSD 和 YOLO 模型。

對於每個模型，您首先會從宏觀層面了解它們的工作原理，這將有助於您建立對模型工作原理的直覺。

之後，您將學習如何利用 TensorFlow 2 的強大功能在本機電腦上訓練和評估這些模型。

最後，您將學習如何利用雲端運算來改善訓練過程。在最後一部分，您將學習如何使用 Google Cloud AI Platform，以便在 Google 提供的強大 GPU 上訓練和評估您的模型。

我設計這門課程的目的是幫助您熟練目標檢測模型的訓練和評估。為此，我將從多個方面為您提供幫助，包括：

建立必要的直覺，幫助您回答大多數關於使用深度學習進行目標檢測的問題。這在電腦視覺和深度學習領域的面試中是一個非常常見的話題。
透過教你如何使用自訂資料集創建自己的模型，你將能夠打造強大的AI解決方案。
透過教你如何利用Google Cloud AI平台的強大功能，透過存取強大的GPU來提升模型的效能。

目標受眾

人工智慧愛好者
資料科學家
電腦視覺與機器學習專業的學生
軟體開發者
創業者

講師簡介

Nour Islam Mokhtari 電腦視覺與機器學習工程師

我叫 Nour-Islam Mokhtari，是一名專注於電腦視覺應用的機器學習工程師。我擁有三年開發和維護深度學習流程的經驗。我參與過多個人工智慧項目，主要致力於將深度學習研究成果應用於實際產業項目。我在Udemy的目標是幫助學生學習並獲得與實際應用和行業相關的經驗。我致力於打造流暢且注重實作的學習體驗！