Deep Learning avancé
Computer Vision
(3 jours)

❬Retour aux formations

Depuis 2012, le Deep Learning a révolutionné le domaine de la vision par ordinateur. Lors de la compétition annuelle ILSVRC (ImageNet Large Scale Visual Recognition Challenge) dont l’objectif est de détecter et classifier précisément des objets et des scènes dans les images naturelles, l’utilisation du Deep Learning a permis de faire baisser le taux d’erreur de classification de 25% à 16%. Ceci n’était que les prémisses de cette révolution car les deux années suivantes ont vu le taux d’erreur baisser drastiquement à quelques pourcents.

Vous connaissez d’ores et déjà les principes fondamentaux du Deep Learning et vous avez déjà mis en oeuvre différentes architectures de réseaux de neurones, mais vous souhaitez en savoir plus sur les opportunités proposées par le Deep Learning dans le domaine de la vision par ordinateur, cette formation est faite pour vous.

Objectifs

• Mettre en place un prétraitement efficace d’un jeu de données d’image Augmenter le jeu de données d’image
• Réutiliser des modèles existants avec du transfer learning
• Maîtriser les différentes architectures de réseaux de neurones permettant de réaliser des détections d’objets, de la segmentation sémantique et le suivi des objets et reconnaissance des actions
• Mettre en œuvre des cas concrets pour chaque type de réseaux
• Exécuter des calculs sur des CPUs, GPUs et TPUs
• Mesurer la pertinence des modèles mis en œuvre & Visualiser l’apprentissage
• Déployer un modèle en production

Méthode pédagogique

• Composée à 70% de pratique, cette formation utilise des exercices illustrés et didactiques.
• Une évaluation quotidienne de l’acquisition des connaissances de la veille est effectuée.
• Une synthèse est proposée en fin de formation.
• Une évaluation à chaud sera proposée au stagiaire à la fin du cours.
• Un support de cours sera remis à chaque participant comprenant les slides sur la théorie, les exercices.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.
• Un suivi et un échange avec les participants seront mis en place quelques jours après la formation.

Pré-requis

• Les stagiaires doivent avoir une expérience en Deep Learning ou avoir suivi la formation Workshop Deep Learning (maîtrise des concepts du Machine Learning et avoir mis en œuvre différentes architectures de réseaux de neurones : convolutionnels, récurrents, …)
• La connaissance du langage Python, des librairies scientifiques (scikit learn, pandas, numpy) et du framework Deep Learning TensorFlow est nécessaire.

Programme

Classification des images

Détection d’objets : processus de recherche d’instances d’objets dans des images ou des vidéos

Segmentation sémantique et d’instance

Transformers

Suivi d’objets et reconnaissance d’actions

Les modèles génératifs

Transfert de style