Image Denoising Using AutoEncoders in Keras and Python

4.5
Sterne
260 Bewertungen
von
Coursera Project Network
6.567 bereits angemeldet
In diesem angeleitetes Projekt werden Sie:

Understand the theory and intuition behind Autoencoders

Build and train an image denoising autoencoder using Keras with Tensorflow 2.0 as a backend

Assess the performance of trained autoencoders using various Key performance indicators

Clock2 hours
IntermediateMittel
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In this 1-hour long project-based course, you will be able to: - Understand the theory and intuition behind Autoencoders - Import Key libraries, dataset and visualize images - Perform image normalization, pre-processing, and add random noise to images - Build an Autoencoder using Keras with Tensorflow 2.0 as a backend - Compile and fit Autoencoder model to training data - Assess the performance of trained Autoencoder using various KPIs Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Kompetenzen, die Sie erwerben werden

  • Deep Learning
  • Artificial Intelligence (AI)
  • Machine Learning
  • Python Programming
  • Computer Vision

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Project Overview

  2. Import libraries and datasets

  3. Perform data visualization

  4. Perform data preprocessing

  5. Understand the theory and intuition behind autoencoders

  6. Build and train autoencoder model

  7. Evaluate trained model performance

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Dozent

Bewertungen

Top-Bewertungen von IMAGE DENOISING USING AUTOENCODERS IN KERAS AND PYTHON

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.