Traffic Sign Classification Using Deep Learning in Python/Keras

4.6
별점
300개의 평가
제공자:
Coursera Project Network
7,628명이 이미 등록했습니다.
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Understand the theory and intuition behind Convolutional Neural Networks (CNNs).

Build and train a Convolutional Neural Network using Keras with Tensorflow 2.0 as a backend.

Assess the performance of trained CNN and ensure its generalization using various Key performance indicators.

Clock2 hours
Intermediate중급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots영어
Laptop데스크톱 전용

In this 1-hour long project-based course, you will be able to: - Understand the theory and intuition behind Convolutional Neural Networks (CNNs). - Import Key libraries, dataset and visualize images. - Perform image normalization and convert from color-scaled to gray-scaled images. - Build a Convolutional Neural Network 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.

개발할 기술

Deep LearningArtificial Intelligence (AI)Machine LearningPython ProgrammingComputer Vision

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Task 1: Project overview

  2. Task 2: Import libraries and datasets

  3. Task 3: Perform image visualization

  4. Task 4: Convert images to gray-scale and perform normalization

  5. Task 5: Understand the theory and intuition behind Convolutional Neural Networks

  6. Task 6: Build deep learning model

  7. Task 7: Compile and train deep learning model

  8. Task 8: Assess trained model performance

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

검토

TRAFFIC SIGN CLASSIFICATION USING DEEP LEARNING IN PYTHON/KERAS의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.