TAILIEUCHUNG - Bài giảng Học sâu và ứng dụng: Bài 7 - ĐH Bách khoa Hà Nội

Bài giảng Học sâu và ứng dụng: Bài 7 Một số ứng dụng học sâu trong thị giác máy, cung cấp cho người học những kiến thức như: Giới thiệu tổng quan về thị giác máy và các ứng dụng; Giới thiệu về bài toán phát hiện đối tượng; Giới thiệu một số mạng đề xuất vùng RCNN, Fast R-CNN, Faster R-CNN ; Giới thiệu một số mạng không đề xuất vùng: SSD, Yolo. Mời các bạn cùng tham khảo! | Chương 6 Một số ứng dụng học sâu trong thị giác máy Phần 1 01 02 2021 2 Nội dung 1. Giới thiệu tổng quan về thị giác máy và các ứng dụng 2. Giới thiệu về bài toán phát hiện đối tượng 3. Giới thiệu một số mạng đề xuất vùng R- CNN Fast R-CNN Faster R-CNN 4. Giới thiệu một số mạng không đề xuất vùng SSD Yolo 01 02 2021 3 Giới thiệu tổng quan về thị giác máy và các ứng dụng 01 02 2021 4 Biology Psychology Neuroscience Physics optics Cognitive sciences Image Algorithms processing Computer theory Computer Science Vision Systems Speech NLP architecture Robotics Information retrieval Machine Engineering learning Mathematics 01 02 2021 5 Thế nào là Thị giác máy tính Ảnh hoặc video Thiết bị cảm biến Thiết bị diễn giải Diễn giải Vườn mùa xuân cây cầu nước cây cối hoa màu xanh 01 02 2021 6 Mắt người rất nhạy 100 ms mỗi khung hình Potter Biederman etc. 1970s Chưa hề nhìn thấy ảnh và không biết có người trong đó Nhưng có thể nhận ra dễ dàng 01 02 2021 7 Thị giác con người vẫn có nhiều yếu điểm 01 02 2021 8 01 02 2021 9 Mục tiêu của thị giác máy tính Cầu nối giữa các điểm ảnh biểu diễn bằng số với ngữ nghĩa Source S. Narasimhan Cái chúng ta thấy Cái mà máy tính nhìn thấy 01 02 2021 10 Tại sao nên học thị giác máy tính Hữu ích Ảnh và video khắp nơi Personal photo albums Movies news sports Giám sát và an ninh Ảnh y tế viễn thám thiên văn 01 02 2021 11 Thị giác máy có thể dùng như thiết bị đo đạc Real-time stereo Structure from motion Reconstruction from Internet photo collections NASA Mars Rover Pollefeys et al. Goesele et al. 01 02 2021 12 Thị giác máy là nguồn thông tin ngữ nghĩa amusement park sky Objects Activities Scenes The Wicked Cedar Point Locations Twister Text writing Faces ride Ferris Gestures wheel Motions ride Emotions 12 E Lake Erie water ride Slide credit Kristen Grauman tree tree people waiting in line people sitting on ride umbrellas tree maxair carousel deck bench tree 01 02 2021 pedestrians 13 Mô hình hóa 3D thành phố Bing maps Google Streetview Source S. Seitz

• Cơ sở dữ liệu
• Bài giảng Học sâu và ứng dụng
• Học sâu và ứng dụng
• Ứng dụng học sâu trong thị giác máy
• Bài toán phát hiện đối tượng
• Thị giác máy
• Phần mềm cho học sâu
• Phần cứng cho học sâu
• Đồ thị tính toán động
• Xử lý ngôn ngữ tự nhiên
• Ứng dụng học sâu
• Bài toán dịch máy
• Dịch máy thống kê
• Mô hình huấn luyện sẵn
• Nhận dạng thực thể định danh
• Suy diễn logic
• Huấn luyện mạng nơ ron
• Lựa chọn siêu tham số
• Kỹ thuật chống overfitting
• Kỹ thuật học tái sử dụng
• Hàm mục tiêu
• Độ phân giải upsampling
• Bài toán phân đoạn ảnh
• Mạng phân đoạn ảnh tiêu biểu
• Mạng hồi quy
• Lan truyền ngược theo thời gian
• Bài toán dự đoán chuỗi
• Phân lớp văn bản
• Phương pháp học máy truyền thống
• Phân lớp tuyến tính
• Hồi quy tuyến tính
• Mạng nơ ron
• Mạng nơ ron một lớp ẩn
• Thuật lan truyền ngược
• Conv Neural Networks
• Mạng tích chập
• Lớp tích chập
• Lớp gộp max pooling
• Tiền xử lý dữ liệu
• Hàm kích hoạt
• Khởi tạo trọng số
• Mô hình sinh dữ liệu
• Mô hình tự mã hóa
• Variational Autoencoders
• Biểu diễn không gian ẩn