Programma
- Introduzione
- Strumenti utilizzati nel corso (Python, Tensorflow, Keras, Opencv…)
- Deep Learning (definizione, caratteristiche, confronto con il ML)
- Problemi di Learning
- Tipi di Learning
- Problemi nel dominio della visione artificiale
- Immagine (cos’è, come viene rappresentata…)
- I componenti nella classificazione delle immagini
- Datasets: uno sguardo a vari datasets disponibili
- Configurazione dell’ambiente di sviluppo (installazione delle librerie necessarie, installazione di Tensorflow versione CPU e GPU )
- Costruzione del primo classificatore di immagini
- Metodi di ottimizzazione e regolarizzazione
- Reti neurali + esempi pratici su diversi datasets
- CNN ( il cuore del corso)
- Salvataggio e caricamento del modello di rete
- Tassi di apprendimento programmati
- Underfitting e overfitting
- Panoramica sulle CNN già presenti allo stato dell’arte
- Applicazione end-to end per il rilevamento del sorriso (dal training della rete alla rivelazione del sorriso in tempo reale)
- Object Tracking ( panoramica sugli algoritmi di tracciamento degli oggetti )
