Deep Learning pour la super-résolution d'images avec PyTorch et fastai

Les images de haute qualité sont essentielles dans les applications modernes, mais nous devons souvent travailler avec des données visuelles de basse résolution ou dégradées. Ce cours vous présente les principes fondamentaux de la super-résolution d'image, vous montrant comment reconstruire des détails nets et de haute résolution à partir d'entrées de faible qualité en utilisant l'apprentissage profond.Vous commencerez par comprendre les principe de base de la vision par ordinateur, la manipulation des pixels et la façon dont les réseaux neuronaux apprennent à combler les informations visuelles manquantes. Vous apprendrez à tirer parti de PyTorch et de la bibliothèque fastai pour construire des pipelines efficaces, préparer vos ensembles de données et appliquer des fonctions de perte modernes qui se concentrent sur la qualité perceptuelle plutôt que sur la précision pixel par pixel. Ce que vous apprendrez: - Comprendre les concepts de base de la dégradation de l'image et des fondements de la super-résolution - Configurez des pipelines d'apprentissage profond en utilisant PyTorch et fastai pour les tâches image-à-image - Implémenter des réseaux adversariels génératifs et des fonctions de perte perceptuelle pour des textures réalistes - Appliquer des techniques d'optimisation modernes et transférer l'apprentissage pour former efficacement les modèles - Évaluer les performances du modèle en utilisant la similitude structurelle et les métriques de rapport signal-bruit de crête - Pratiquer le nettoyage et le prétraitement des ensembles de données d'images pour l'entraînement des réseaux neuronaux Le cours commence par la terminologie essentielle et les concepts mathématiques derrière l'échelle d'image, puis vous guide étape par étape dans la construction, la formation et le test de vos propres modèles de super-résolution. Ce programme en texte seul est conçu pour les développeurs de logiciels et les passionnés de données qui souhaitent entrer dans le domaine de la vision par ordinateur sans avoir besoin d'une formation en mathé mathématiquement avancée.