Redes Neurais Convolucionais com PyTorch | Visão Computacional

Redes Neurais Convolucionais com PyTorch | Visão Computacional | Deep Learning #2

Рет қаралды 11,614

Күн бұрын

Пікірлер: 35

@jogadordelolbronzeafundado9700 3 жыл бұрын

Mano pretendo entrar na área de ti de Eng computação mas tô com receio pq acho q não vejo muitos pretos nessa área e sinto que eu possa sofrer racismo ...

@pgdinamica 3 жыл бұрын

Cara, entendo, mas infelizmente, não tem como fugir do racismo no Brasil. Tu pode ser doutor, tu pode ficar rico, ficar famoso…nada disso vai mudar o fato de que você é uma pessoa negra e a sociedade ainda não resolveu esse B.O. Até aqui no canal a gente passa por isso: kzbin.info/www/bejne/rnnUmaptdpqKoZI Mas não desanime, resista! Esta é uma área que possibilita bastante mobilidade social, porque tem muitas oportunidades e falta de pessoas qualificadas. Quando chegar lá, ajude mais irmãos e irmãs a subir e assim a gente vai tornando a coisa mais equilibrada.

@canalbomon Ай бұрын

Muito bom. Estrou treinando bastante já gostava de ML, mas com tanta coisa pra ver da faculdade nunca vi muito sobre ML. agr que estou em uma cadeira que aborda isso tenho que aproveitar. Até agr só consegui fazer um modelo que diz se é um gato ou cachorro, e a acurácia está pior do que jogar uma moeda haha

@rodrigoveigadasilva4313 2 жыл бұрын

2:25:17 acredito que tu puxou o plot da mlp la de cima, pq o melhor valor da tua função objetivo nas epocas foi de 1.31 e no gráfico deu perto de 1.5, a matriz de convulução deu igual tb

@ProfTomazetti 2 жыл бұрын

Muito boa mais uma aula... Infelizmente raramente consigo acompanhar ao vivo, mas é muito bom assistir a um conteúdo com tamanha qualidade! Parabéns pelo conteúdo

@pgdinamica 2 жыл бұрын

Valeu! Feliz em saber que acompanha mesmo após a live 🙌🏾

@arthurramos9022 8 ай бұрын

Salve ótima aula, estou trabalhando em um projeto para medição de nível usando imagens (criei meu próprio dataset) ainda que binário a implementação feita nessa aula pode ser um bom ponta pé inicial para este tipo de problema, se não teria a indicação de algum material?

@craftapple9446 7 ай бұрын

Como faz pra criar um dataset de imagens?

@wedjabarbosa8523 11 ай бұрын

Boa noite! Eu acabei de assinar o seu canal. E é muito bom. Mas, a minha duvida é: vocês vão ofertar curso de deep learning ?

@pgdinamica 11 ай бұрын

O que você gostaria de aprender sobre deep learning?

@kevinborges-ur7rx 3 ай бұрын

tem a possibilidade de ensinar ResNet??

@felipegaleno1563 2 жыл бұрын

Boa noite, parabéns pelo video!!! Mas não consegui descobrir de onde veio a função "get_path". Não consegui baixar o código tbm, poderia me ajudar por favor!

@carloslourenco9151 2 жыл бұрын

@Programação Dinâmica eu estou na playlist "Introdução à visão computacional". Acabei de assistir a aula e fiquei na dúvida se devo continuar nessa playlist ou se vc recomenda outra. A minha intenção com visão computacional é compreender sobre detecção e classificação de objetos. Você pode fazer uma recomendação de por onde continuar aqui no canal? Sou estudante de Data Science e em paralelo quero fazer alguns estudos na linha do que comentei anteriormente. PS.: Postei essa pergunta em outro vídeo dessa playlist, a primeira que tiver resposta está valendo rsrs ^^

@danilofernandesveras 3 жыл бұрын

10:03

@pgdinamica 2 жыл бұрын

Cortada! 😉

@fernandodasilvasallo9163 2 жыл бұрын

Olá Hallison, tenho uma pergunta básica. Como preparar as imagens (criar o dataset) com o label (identificação) ? Tens algum vídeo sobre isso? Estou començando do zero um treinamento para identificar diferentes resíduos plásticos.

@pgdinamica 2 жыл бұрын

É uma boa sugestão de vídeo, acho que eu não mostrei nessas lives, mas tem alguns exemplos no próprio site do PyTorch: pytorch.org/tutorials/beginner/data_loading_tutorial.html

@lucasacramento4538 Жыл бұрын

Uma aula dessa com 621 curtidas?? Um absurdo, mas enfim. Eu vim buscando apenas uma implementação de CNN e me deparei com uma aula completa, onde eu entendi não só a implementação de CNN mas os casos de aplicação. Simplesmente genial.

@pgdinamica Жыл бұрын

Muito obrigado, Lucas! Fico feliz que tenha gostado da aula 😁

@3dnacho 2 жыл бұрын

Estou trabalhando em uma iniciação científica relacionada com a contagem de Unidades Formadoras de Colônias (CFU). Dado uma imagem de uma placa de agar, o modelo deve realizar a contagem. Esse modelo será usado futuramente em um aplicativo. Eu realmente preciso de uma MLP nesse caso? Estou procurando soluções mais simples mas sempre acabo esbarrando em Deep Learning. Gostei muito da qualidade desse e de outros vídeos. Desejo muito sucesso. Abraços!

@pgdinamica 2 жыл бұрын

Que legal, Natan! Não conheço o tipo de estrutura que você quer contar, mas diria o seguinte: 1. Em muitas tarefas de visão computacional, modelos de deep learning representam o estado da arte - inclusive detecção e segmentação de objetos (que você pode usar para contar). 2. Uma outra estratégia que você pode tentar é não detectar estruturas isoladas para contar, mas fazer uma regressão para estimar o valor total baseado na imagem. Procuraria na literatura de "crowd counting/estimation" o que tem sido feito a respeito. 3. Existem, sim, modelos clássicos que talvez lhe sejam úteis. Tentaria pesquisar por "Active Contour" (uma técnica que, a propósito, foi desenvolvida pelo orientador do meu orientador) e "Hough Transform" pra ver se faz sentido com o problema que você tem. Obrigado por acompanhar nosso trabalho!

@judsonson4090 Жыл бұрын

aula muito boa! Bom entender porque classificar imagens por modelos convolucionais e não por percpetron.

@pgdinamica Жыл бұрын

Muito obrigado!

@_la_zu_li 2 жыл бұрын

ah é, isso aqui é ouro meu amigo obrigado pelo conteúdo, entrei num projeto da faculdade de visão computacional e preciso aprender todos os conceitos pra conseguir ser de utilidade ao projeto Acabei de ver o vídeo de redes neurais com Pytorch e achei muito legal, não sabia que as redes neurais eram tão interessantes Ainda estou no começo desse vídeo, mas já sei que vai ser ótimo

@pgdinamica 2 жыл бұрын

Obrigado! Bons estudos e sucesso no seu projeto 🙌🏾