描述
最新更新：我将向您展示如何使用预训练的模型以及如何使用Google Colab上的自定义数据集训练自己。
本课程是设置TensorFlow对象检测api，传输学习等的完整指南
我认为您会发现，本课程与上一课程完全不同，您将对我们必须覆盖的材料印象深刻。
这是有关该项目的详细信息。
在这里，我们将从colab understating开始，因为这将有助于使用Google提供的免费GPU来训练我们的模型。
我们将弥合您已经了解和喜爱的基本CNN架构与现代新颖的架构（例如ResNet和Inception）之间的差距。
我们将使用tensorflow对象检测api和YOLO算法来详细了解对象检测模块。
我们将研究一种称为RESNET和MobileNetV2的最新算法，该算法比以前的算法更快，更准确。
最好的事情是您将了解CNN的核心基础知识，以及它如何缓慢地转换为对象检测。
希望您对CNN Yolo和Tensorflow的这些高级应用感到兴奋，我在课堂上见！
时长：5h 50m | 影片：.MP4 1280×720、30 fps（r）| 音频：AAC，44100 Hz，2声道| 大小：4.33 GB
类型：电子教学| 语言：英语
迁移学习，TensorFlow对象检测，分类，Yolo对象检测，实时项目等等。
您将学到的
计算机视觉
深度学习
TensorFlow
需求
Python
建议的先决条件：
·了解如何使用某些库（最好在Python中）构建，训练和使用CNN
·了解卷积和神经网络背后的基本理论概念
·良好的Python编码技能，最好是数据科学和Numpy Stack
本课程适合谁：
·希望将他们的计算机视觉和深度学习知识提高到新水平的学生和专业人员
·任何想了解SSD和YOLO等对象检测算法的人
·任何想学习如何编写代码以进行神经样式转换的人
·任何想使用转移学习的人
·任何想缩短培训时间并快速建立最先进的计算机视觉网络的人
·从计算机vison开始的任何人
本课程的对象：
Python开发人员对深度学习
感到好奇开发人员对计算机视觉感到好奇
主页 https://www.udemy.com/course/advanced-computer-vision-transfer-learning-with-tensorflow/ 
