Image Colorization using TensorFlow 2 and Keras

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Learn how to work with images in the .npy file format.

Learn how to create a custom CNN model.

Create an app to allow users to colorize black and white images using the model you trained.

Clock1 hour 30 minutes
BeginnerAnfänger
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

This guided project is about image colorization using TensorFlow2 and Keras. Image colorization comes under the computer vision domain. In this project you will learn how to build a convolutional neural network(CNN) using Tensorflow2 and Keras. While you are watching me code, you will get a cloud desktop with all the required software pre-installed. This will allow you to code along with me. After all, we learn best with active, hands-on learning. Special Feature: 1) Explanation of the process of image colorization. 2) How to reshape data to fit a CNN. 3) Explanation of each layer in a CNN. 4) Create a Streamlit app to allow users to colorize a black and white image using the model you trained. Note: This project 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
  • Convolutional Neural Network
  • Tensorflow
  • Streamlit
  • keras

Schritt für Schritt lernen

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

  1. Preprocess grayscale images.

  2. Extract colors from colorful images to provide as inputs to the model.

  3. Build the CNN with TensorFlow2 and Keras.

  4. Save the model.

  5. Load the pre-trained model in a streamlit app.

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.