Image Processing II: Réseaux de neurones et CNN

Cette séance de cours couvre l'évolution des réseaux neuronaux convolutifs (CNN) dans le traitement de l'image, à partir du premier CNN formé par rétropropagation en 1990 à l'ère des réseaux profonds avec AlexNet, GoogleNet, VGGNet et U-net. Il explique les réseaux neuronaux classiques, les réseaux neuronaux profonds, les algorithmes d’entraînement et l’algorithme de rétropropagation. La séance de cours se penche également sur les étapes non linéaires, les mises en œuvre efficaces et le processus de propagation avant / arrière dans les CNN. En outre, il traite des différentes fonctions de perte, de la représentation des CNN, des frameworks logiciels tels que TensorFlow et d'une comparaison des surfaces de décision dans le traitement d'images. La séance de cours se termine par un aperçu de l'apprentissage sans distribution, des performances des réseaux neuronaux et des approches connexes telles que les réseaux à base radiale et les machines à vecteur de support.