Détection d'objets par réseaux de neurones profonds
GLO-7030 Première partie de la leçon sur la détection et la segmentation. Cette partie traite de la détection. Nous y voyons les approches suivantes :
-R-CNN
-Fast RCNN
-Faster RCNN
-YOLO (v3)
0:00 Tâches en vision
2:53 Introduction à la détection
12:41 Region proposal
15:50 R-CNN
22:12 Fast-RCNN
29:13 Faster-RCNN
32:25 Fully-convolutional
46:48 Yolo v3
Видео Détection d'objets par réseaux de neurones profonds канала Philippe Giguère
-R-CNN
-Fast RCNN
-Faster RCNN
-YOLO (v3)
0:00 Tâches en vision
2:53 Introduction à la détection
12:41 Region proposal
15:50 R-CNN
22:12 Fast-RCNN
29:13 Faster-RCNN
32:25 Fully-convolutional
46:48 Yolo v3
Видео Détection d'objets par réseaux de neurones profonds канала Philippe Giguère
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
(14B) Introduction à la robotique mobile : SLAM II
Virtualisation, Partie II
(3A) Introduction à la robotique mobile : Capteur II
(14A) Introduction à la robotique mobile : SLAM I
Module 3B - Deuxième partie de l'optimisation
(8A) Introduction à la robotique mobile : Propagation des erreurs
Révision statistiques, capteur probabiliste
(5C) Introduction à la robotique mobile : Repères visuels naturels
Attention Is All You Need
Localisation par caméra
Spatial Transformer Network
Apprentissage auto-supervisé (deuxième partie)
RNN et attention visuelle
Introduction à la robotique mobile : Révision mathématique
BERT
Module 2 C : Gradient dans softmax et perte par entropie croisée
(10C) Introduction à la robotique mobile : Fusion de Capteur III
(11A) Introduction à la robotique mobile : Filtre de Kalman linéaire
(1B) Introduction à la robotique mobile : Vue générale
Module 3E : Initialisation des paramètres des réseaux
Modèles de langue #3 - ELMo