Deep Learning with PyTorch : Object Localization

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Create custom dataset for Localization problems

Apply augmentations for localization task and load pretrained model

Create train function and evaluator for training loop

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

Object Localization is the task of locating an instance of a particular object category in an image, typically by specifying a tightly cropped bounding box centered on the instance. In this 2-hour project-based course, you will be able to understand the Object Localization Dataset and you will write a custom dataset class for Image-bounding box dataset. Additionally, you will apply augmentation for localization task to augment images as well as its effect on bounding box. For localization task augmentation you will use albumentation library. We will plot the (image-bounding box) pair. Thereafter, we will load a pretrained state of the art convolutional neural network using timm library.Moreover, we are going to create train function and evaluator function which will be helpful to write training loop. Lastly, you will use best trained model to find bounding box given any image.

Kompetenzen, die Sie erwerben werden

  • Deep Learning
  • Object Localization
  • Convolutional Neural Network
  • pytorch
  • Image Processing

Schritt für Schritt lernen

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

  1. Set up colab run environment

  2. Configurations

  3. Understand the dataset

  4. Augmentations

  5. Create Custom Dataset

  6. Load dataset into batches

  7. Create Model

  8. Create Train and Eval Functions

  9. Training Loop

  10. Inference

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.

Häufig gestellte Fragen

Häufig gestellte Fragen

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