深層学習によるコンピューター ビジョン: CNN から Vision Transformer まで

シリーズのご紹介

ディープラーニングを使用したコンピューター ビジョン は、基本的な画像分類から物体検出 (YOLO)、画像セグメンテーション (SAM)、ビジョン トランスフォーマーに至るまで、画像およびビデオ認識システムの構築に役立つ実践的なコースです。

🎯 コンピューター ビジョンを使用する理由 CV は、自動運転車、医療 (X 線、MRI)、小売 (顧客カウント)、セキュリティ (識別)、農業 (害虫検出)、製造 (エラー チェック) など、最も 実用的なアプリケーションを持つ AI セグメントです...

何を学ぶのですか?

パート 1: CV の基礎

• レッスン 1: コンピューター ビジョンとは何ですか? OpenCVによる画像処理
• レッスン 2: CNN の詳細: ResNet、EfficientNet、MobileNet
• レッスン 3: 転移学習 — トレーニング済みモデルの使用

パート 2: オブジェクトの検出

• レッスン 4: 🔥 YOLO v3 から v11 — すべてを検出する
• レッスン 5: 別のデータセットに対するカスタム YOLO トレーニング
• レッスン 6: リアルタイム検出 — カメラ、ビデオ ストリーム、追跡

パート 3: セグメンテーションと最新の履歴書

• レッスン 7: 画像のセグメンテーション: セマンティック、インスタンス、パノプティック
• レッスン 8: 🔥 SAM (Segment Anything) — セグメントにはトレーニングは必要ありません
• レッスン 9: 安定した拡散と画像生成
• レッスン 10: ビジョントランスフォーマー (ViT) と CLIP

パート 4: アプリケーションと展開

• レッスン 11: ベトナム人のための OCR と文書の理解
• レッスン 12: マルチモーダル AI: GPT-4o ビジョン、ジェミニ ビジョン
• レッスン 13: エッジ デプロイメント: TensorRT、ONNX、モバイル
• レッスン 14: Capstone: エンドツーエンド CV システム

入力が必要です

• 中級 Python (NumPy、matplotlib)
• ニューラル ネットワークの基本的な理解 (または「AI & LLM」シリーズのレッスン 1 ～ 4 を完了)
• Google Colab (無料、T4 GPU を提供)
• ローカル GPU は有利ですが、必須ではありません

使用したツール

Python 3.11+       | Ngôn ngữ chính
PyTorch            | Deep Learning framework
Ultralytics        | YOLOv8/v11
OpenCV             | Image processing
Hugging Face       | ViT, SAM, SegFormer
Roboflow           | Data labeling & management
Google Colab       | Free GPU training
TensorRT / ONNX    | Model optimization
Streamlit          | Demo web app