Computer Vision
Intelligence artificielle · Bac +5 · 8 semaines
Convolutions et réseaux convolutifs, grandes tâches de vision, vision moderne et apprentissage auto-supervisé (contrastif, CLIP).
Sommaire
- Computer Vision
- Convolutions
- L'image comme donnée
- L'image comme donnée : pixels, couleurs et filtres
- La convolution
- La convolution
- CNN : architectures de LeNet à ResNet
- Réseaux convolutifs, pooling et connexions résiduelles
- Réseaux convolutifs (CNN) : convolution, équivariance, champ récepteur, architectures
- COURS
- SCHÉMA DU COURS
- SCHÉMA ORIGINAL
- EXEMPLE DU COURS
- EXEMPLE INVENTÉ
- TP / RECHERCHE
- Augmentation de données et transfer learning
- Augmentation de données et transfer learning
- Tâches de vision
- Détection d'objets
- Détection d'objets : boîtes, IoU, NMS, YOLO et DETR
- Segmentation
- Segmentation : sémantique, instance, U-Net, Mask R-CNN et SAM
- Vision moderne
- Vision Transformer (ViT)
- Vision Transformer (ViT) et ses descendants
- Apprentissage auto-supervisé et contrastif
- Apprentissage auto-supervisé : contrastif (InfoNCE, SimCLR, CLIP), non contrastif, masqué, distillation
- COURS
- SCHÉMA DU COURS
- SCHÉMA ORIGINAL
- EXEMPLE DU COURS
- EXEMPLE INVENTÉ
- TP / RECHERCHE
- Concordance avec les anciens cours