Convolutional Neural Networks and Image Processing II

Struktura kurzu

• Předzpracování obrazových dat (počet kanálů, rozlišení, scaling, normalizace)
• Augmentace obrazových data setů (scaling, rotation, shifting, mirroring)
• Praktický příklad na předzpracování a augmentaci
• Architektury neuronových sítí pro zpracování obrazu (konvoluce, dekonvoluce, pooling, residual connection)
• Pokročilá klasifikace obrazu (ImageNet dataset, VGG, ResNet, Inception, MobileNet, Efficient net)
• Praktické příklady transfer learningu s různými základními modely
• Segmentace obrazu (U-net, detekce objektů)
• Praktické příklady na segmentace a detekce objektů
• Generativní soupeřící sítě (generativní sítě, sampling, GAN)
• Praktický příklad na generování obrázků
• Odstranění šumu z obrazu pomocí GAN
• Superresolution (Upsampling, praktický příklad na zvýšení rozlišení obrázku pomocí GAN)
• Rozšiřování data setů pomocí generativních sítí
• Deep fake (Conditional GAN, příklady deep fake technik)
• Adversarial attacks (modifikace obrázků, adversarial patch, black box attacks, Cybersecurity)