Шаг 217. Введение в глубокое обучение в технологиях компьютерного зрения. Использование предварительно обученной модели. Выделение признаков. Быстрое выделение признаков без обогащения данных
Шаг 218. Введение в глубокое обучение в технологиях компьютерного зрения. Использование предварительно обученной модели. Выделение признаков. Выделение признаков с обогащением данных
Шаг 219. Введение в глубокое обучение в технологиях компьютерного зрения. Дообучение предварительно обученной модели
Шаг 220. Введение в глубокое обучение в технологиях компьютерного зрения. Краткие итоги
Шаг 221. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Три основные задачи в сфере компьютерного зрения
Шаг 222. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Пример сегментации изображения
Шаг 223. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей (общие сведения)
Шаг 224. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей. Модульность, иерархия, многократное использование
Шаг 225. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей. Остаточные связи
Шаг 226. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей. Пакетная нормализация
Шаг 227. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей. Раздельная свертка по глубине
Шаг 228. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Современные архитектурные шаблоны сверточных сетей. Собираем все вместе: мини-модель с архитектурой Xception
Шаг 229. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Интерпретация знаний, заключенных в сверточной нейронной сети (общие сведения)
Шаг 230. Продвинутые приемы глубокого обучения в технологиях компьютерного зрения. Интерпретация знаний, заключенных в сверточной нейронной сети. Визуализация промежуточных активаций