Facial Expression Classification Using Residual Neural Nets

4.6
Sterne

71 Bewertungen

von

4.120 bereits angemeldet

In diesem angeleitetes Projekt werden Sie:
2 hours
Anfänger
Kein Download erforderlich
Video auf geteiltem Bildschirm
Englisch
Nur Desktop

In this hands-on project, we will train a deep learning model based on Convolutional Neural Networks (CNNs) and Residual Blocks to detect facial expressions. This project could be practically used for detecting customer emotions and facial expressions. By the end of this project, you will be able to: - Understand the theory and intuition behind Deep Learning, Convolutional Neural Networks (CNNs) and Residual Neural Networks. - Import Key libraries, dataset and visualize images. - Perform data augmentation to increase the size of the dataset and improve model generalization capability. - Build a deep learning model based on Convolutional Neural Network and Residual blocks using Keras with Tensorflow 2.0 as a backend. - Compile and fit Deep Learning model to training data. - Assess the performance of trained CNN and ensure its generalization using various KPIs. - Improve network performance using regularization techniques such as dropout.

Kompetenzen, die Sie erwerben werden

  • Data Science

  • Deep Learning

  • 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:

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.

Bewertungen

Top-Bewertungen von FACIAL EXPRESSION CLASSIFICATION USING RESIDUAL NEURAL NETS

Alle Bewertungen anzeigen

Häufig gestellte Fragen