Computer Vision. Задачи, Архитектуры, Трюки скачать в хорошем качестве

Computer Vision. Задачи, Архитектуры, Трюки

Запись лекции про Компьютерное зрение от Артёма Топорова ML boost camp в телеграмм @ml_boost_camp Ссылка на лекцию Владислава Крамаренко про генеративные модели    • Знакомимся с нейронными сетями. Эволюция в...   Описание: 00:00 - План 00:45 - Теория 01:37 - Как работает свертка 02:16 - Фильтр Собеля 03:46 - Standard convolution 04:18 - Функция активации 04:47 - Depthwise convolution 05:08 - Pointwise convolution 05:43 - Group convolution 06:17 - Max Pooling 07:03 - Fully connected layers 08:00 - Batch Normalization и другие типы 09:30 - Классификация изображений 10:08 - ResNet 10:57 - ResNext 11:30 - EfficientNet 12:04 - Vision Transformer 14:10 - Метрики и функции потерь для задач классификации 15:01 - Сегментация изображений 15:56 - UNET 16:48 - UNET++ 17:26 - FPN 17:51 - Метрики и функции потерь для задач сегментации 18:39 - Детекция 19:20 - YOLO 20:31 - Метрики и функции потерь для задач детекции 21:30 - Embeddings 22:25 - Metric Learning 22:43 - Triplet Loss 23:24 - Обучение без разметки 24:15 - DINO 25:00 - Masked Image Modeling 25:44 - IBOT 26:17 - JEPA 26:49 - Трюки 27:13 - Ансамблирование 28:28 - Snapshot Ensembling 29:17 - Дополнительные головы 29:52 - Аугментации 30:41 - Test Time Augmentations 31:18 - Pseudo Labeling 32:05 - Optuna и подбор гиперпараметров 33:26 - Fine Tuning 34:11 - Optimizer 34:48 - Ускорение 35:17 - Анонс интервью #kaggle #ml #datascience #machinelearning