Thị giác máy tính nền tảng

Cùng khám phá khái niệm về ảnh nhé. 

[TF] 11.1.1. Giới thiệu ảnh.mp4

[TF] 11.1.2. Phát hiện cạnh.mp4

[TF] 11.1.3. Dùng đạo hàm để phát hiện cạnh.mp4

[TF] 11.1.4. Bạn có nhận xét gì về các bộ lọc này?

Slide

Ảnh là một hàm

[TF] 11.1.4. Bộ lọc.mp4

Hướng dẫn lập trình bộ lọc

Bộ lọc

[TF] 11.2.1. Giới thiệu mạng CNN.mp4

[TF] 11.2.2. Điểm yếu của mạng nơ ron.mp4

[TF] 11.2.3. LeNet.mp4

[TF] 11.2.4. Lớp tích chập.mp4

[TF] 11.2.5. Công thức lớp tích chập phần 1.mp4

Tính số lượng filter trong mỗi bộ lọc

[TF] 11.2.6. Công thức lớp tích chập phần 2.mp4

[TF] 11.2.7. Tính chất lớp tích chập.mp4

Lớp tích chập

[TF] 11.3.1. Lớp Pooling.mp4

Lớp Pooling

[TF] 13.4.1. Feature Map.mp4

Hiển thị Feature Map

[TF] 13.5.1. Training CNN.mp4

Training CNN

Ảnh + Bộ lọc .mp4

Thực hành mạng CNN

Notebook

Video

Slide CNN

Video chữa bài + Ôn tập CNN

<ul><li>Giới thiệu về hình ảnh, cấu trúc của hình ảnh</li><li>Giới thiệu về Filter, một số filter cơ bản để xử lý ảnh</li><li>Cấu trúc mô hình CNN, các đặc điểm vượt trội so với mạng Neural Network.</li></ul>

[Chuẩn bị trước] Mạng tích chập - Convolutional neural network

<ul><li>Các bài toán trong Computer vision</li><li>Các không gian màu ảnh số</li><li>Xử lý ảnh trong computer vision</li><li>Thực hành xử lý ảnh với OpenCV</li></ul>

LECTURE 1: Giới thiệu chung về Computer vision

<ul><li>Phép toán convolution và các tham số của phép toán convolution</li><li>Các loại layer trong mô hình CNN</li><li>Các mô hình CNN nổi tiếng: VGG, ResNet, MobileNet …</li><li>Dự án mẫu: Giải bài toán Image classification</li></ul>

LECTURE 2: Mô hình Convolution neural network (2 buổi)

Xem kỹ hướng dẫn <a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/presentation/d/11y7B0SlAjOJtS6T3Ruq7aw0L3QcPn1MY104bbz1pwMk/edit?usp=sharing">tại đây</a>

Bài tập cuối khóa

<ul><li>Giới thiệu chung về bài toán OD, cấu trúc của các bộ dữ liệu giải bài toán OD</li><li>Mô hình two-stage (Faster RCNN), mô hình one-stage (YOLO, RetinaNet)</li><li>Chỉ số đánh giá mô hình Object detection</li><li>Vấn đề tỷ lệ giữa kích thước của đối tượng và kích thước ảnh</li><li>Dự án mẫu: Giải bài toán Object detection sử dụng YOLOv5</li></ul>

LECTURE 3: Bài toán object detection (2 buổi)

<ul><li>Data augmentation cho bài toán image classification và object detection</li><li>Dự án mẫu: Thực hành lập trình data augmentation cơ bản và sử dụng auto-augmentation</li></ul>

LECTURE 4: Kỹ thuật Data augmentation trong computer vision

<ul><li>Bài toán semantic segmentation và instance segmentation</li><li>Mô hình Masked RCNN, UNET</li><li>Chỉ số đánh giá mô hình segmentation</li><li>Dự án mẫu: Giải bài toán image segmentation sử dụng UNET</li></ul>

LECTURE 5: Bài toán image segmentation (2 buổi)

<ul><li>Kỹ thuật image embedding</li><li>Contrastive learning và bài toán face recognition</li><li>Dự án mẫu: Giải bài toán face recognition</li></ul>

LECTURE 6: Bài toán Face recognition (2 buổi)

<ul><li>Mô hình GANs</li><li>Mô hình Stable diffusion</li><li>Chỉ số đánh giá mô hình image generation</li></ul>

LECTURE 7: Bài toán Image generation

<ul><li>Các kỹ thuật trực quan hoá mô hình nói chung</li><li>CAM và GradCAM</li><li>Thực hành trực quan hoá mô hình CNN với GradCAM</li></ul>

LECTURE 8: Trực quan hoá mô hình CNN với GradCAM

<ul><li>Giới thiệu chung về ý tưởng weakly-supervised learning, semi-supervised learning và self-supervised learning</li><li>Kỹ thuật self-supervised learning trên hình ảnh</li></ul>

LECTURE 9: Self-supervised learning với dữ liệu hình ảnh

<ul><li>Convolution 3D, Depth-wise convolution</li><li>Các mô hình trích xuất đặc trưng của video</li></ul>

LECTURE 10: Các mô hình xử lý video

<ul><li>Docker là gì?</li><li>Phân biệt image và container</li><li>Cài đặt Docker</li><li>Xây dựng Docker Image và chạy docker Container</li><li>Docker container</li></ul>

[Chuẩn bị trước] Mạng tích chập - Convolutional neural network

1. Ảnh là một hàm

1.1. [TF] 11.1.1. Giới thiệu ảnh.mp4

1.2. [TF] 11.1.2. Phát hiện cạnh.mp4

1.3. [TF] 11.1.3. Dùng đạo hàm để phát hiện cạnh.mp4

1.4. [TF] 11.1.4. Bạn có nhận xét gì về các bộ lọc này?

1.5. Slide

2. Bộ lọc

2.1. [TF] 11.1.4. Bộ lọc.mp4

2.2. Hướng dẫn lập trình bộ lọc

3. Lớp tích chập

3.1. [TF] 11.2.1. Giới thiệu mạng CNN.mp4

3.2. [TF] 11.2.2. Điểm yếu của mạng nơ ron.mp4

3.3. [TF] 11.2.3. LeNet.mp4

3.4. [TF] 11.2.4. Lớp tích chập.mp4

3.5. [TF] 11.2.5. Công thức lớp tích chập phần 1.mp4

3.6. Tính số lượng filter trong mỗi bộ lọc

3.7. [TF] 11.2.6. Công thức lớp tích chập phần 2.mp4

3.8. [TF] 11.2.7. Tính chất lớp tích chập.mp4

4. Lớp Pooling

4.1. [TF] 11.3.1. Lớp Pooling.mp4

5. Hiển thị Feature Map

5.1. [TF] 13.4.1. Feature Map.mp4

6. Training CNN

6.1. [TF] 13.5.1. Training CNN.mp4

7. Video

7.1. Ảnh + Bộ lọc .mp4

7.2. Thực hành mạng CNN

7.3. Notebook

8. Slide

8.1. Slide CNN

9. Video chữa bài + Ôn tập CNN

9.1. Video