Uczenie maszynowe i głębokie w rozpoznawaniu obrazów

Uczenie maszynowe i głębokie w rozpoznawaniu obrazów


Uczenie maszynowe i głębokie w rozpoznawaniu obrazów

Webinarium poświęcone jest wykorzystaniu technik uczenia maszynowego (ang. Machine Learning) oraz głębokich sieci neuronowych (ang. Deep Learning) do rozpoznawania obrazów. Metody te stały się w ostatnich czasach bardzo popularne w dziedzinie nauk komputerowych i znajdują zastosowanie również do rozwiązywania innych problemów, takich jak np. analityka danych, rozpoznawanie mowy, czy też systemy rekomendujące filmy.

W trakcie webinarium omówione zostały zagadnienia uczenia maszynowego i głębokiego z wykorzystaniem środowiska MATLAB. Prezentowane przykłady dotyczą wykorzystania ww metod do rozpoznawania sceny oraz klasyfikacji obiektów widocznych na obrazach. Przedstawiony został schemat pracy – import i przygotowanie danych uczących, tworzenie modelu oraz weryfikacja skuteczności klasyfikacji.

Webinarium przeznaczone jest przede wszystkim dla osób posiadających podstawową znajomość pracy w środowisku MATLAB.

Autor webinarium: Jaromir Przybyło
Czas trwania: 42 min

Uczenie maszynowe i głębokie w rozpoznawaniu obrazów

Autor webinarium

Jaromir Przybyło

Czas trwania

42 min

2017-04-12
42 min

Webinarium poświęcone jest wykorzystaniu technik uczenia maszynowego (ang. Machine Learning) oraz głębokich sieci neuronowych (ang. Deep Learning) do rozpoznawania obrazów. Metody te stały się w ostatnich czasach bardzo popularne w dziedzinie nauk komputerowych i znajdują zastosowanie również do rozwiązywania innych problemów, takich jak np. analityka danych, rozpoznawanie mowy, czy też systemy rekomendujące filmy.

W trakcie webinarium omówione zostały zagadnienia uczenia maszynowego i głębokiego z wykorzystaniem środowiska MATLAB. Prezentowane przykłady dotyczą wykorzystania ww metod do rozpoznawania sceny oraz klasyfikacji obiektów widocznych na obrazach. Przedstawiony został schemat pracy – import i przygotowanie danych uczących, tworzenie modelu oraz weryfikacja skuteczności klasyfikacji.

Webinarium przeznaczone jest przede wszystkim dla osób posiadających podstawową znajomość pracy w środowisku MATLAB.

Autor webinarium: Jaromir Przybyło
Czas trwania: 42 min