1 | LECTURE 1: Giới thiệu chung về Computer vision Các bài toán trong Computer vision Các không gian màu ảnh số Xử lý ảnh trong computer vision Thực hành xử lý ảnh với OpenCV
|
---|
2 | [Chuẩn bị trước] Mạng tích chập - Convolutional neural network Giới thiệu về hình ảnh, cấu trúc của hình ảnh Giới thiệu về Filter, một số filter cơ bản để xử lý ảnh Cấu trúc mô hình CNN, các đặc điểm vượt trội so với mạng Neural Network.
|
---|
3 | LECTURE 2: Mô hình Convolution neural network (2 buổi) Phép toán convolution và các tham số của phép toán convolution Các loại layer trong mô hình CNN Các mô hình CNN nổi tiếng: VGG, ResNet, MobileNet … Dự án mẫu: Giải bài toán Image classification
|
---|
4 | LECTURE 3: Bài toán object detection (2 buổi) Giới thiệu chung về bài toán OD, cấu trúc của các bộ dữ liệu giải bài toán OD Mô hình two-stage (Faster RCNN), mô hình one-stage (YOLO, RetinaNet) Chỉ số đánh giá mô hình Object detection Vấn đề tỷ lệ giữa kích thước của đối tượng và kích thước ảnh Dự án mẫu: Giải bài toán Object detection sử dụng YOLOv5
|
---|
5 | LECTURE 4: Kỹ thuật Data augmentation trong computer vision |
---|
6 | LECTURE 5: Bài toán image segmentation (2 buổi) Bài toán semantic segmentation và instance segmentation Mô hình Masked RCNN, UNET Chỉ số đánh giá mô hình segmentation Dự án mẫu: Giải bài toán image segmentation sử dụng UNET
|
---|
7 | LECTURE 6: Bài toán Face recognition (2 buổi) |
---|
8 | LECTURE 7: Bài toán Image generation |
---|
9 | LECTURE 8: Trực quan hoá mô hình CNN với GradCAM |
---|
10 | LECTURE 9: Self-supervised learning với dữ liệu hình ảnh Giới thiệu chung về ý tưởng weakly-supervised learning, semi-supervised learning và self-supervised learning Kỹ thuật self-supervised learning trên hình ảnh
|
---|
11 | LECTURE 10: Các mô hình xử lý video |
---|
12 | LECTURE 11: Docker + Cloud |
---|