Traffic Sign Classification Using Deep Learning in Python/Keras
Understand the theory and intuition behind Convolutional Neural Networks (CNNs).
Build and train a Convolutional Neural Network using Keras with Tensorflow 2.0 as a backend.
Assess the performance of trained CNN and ensure its generalization using various Key performance indicators.
In this 1-hour long project-based course, you will be able to: - Understand the theory and intuition behind Convolutional Neural Networks (CNNs). - Import Key libraries, dataset and visualize images. - Perform image normalization and convert from color-scaled to gray-scaled images. - Build a Convolutional Neural Network using Keras with Tensorflow 2.0 as a backend. - Compile and fit Deep Learning model to training data. - Assess the performance of trained CNN and ensure its generalization using various KPIs. - Improve network performance using regularization techniques such as dropout.
Habilidades que você desenvolverá
- Deep Learning
- Artificial Intelligence (AI)
- Machine Learning
- Python Programming
- Computer Vision
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Task 1: Project overview
Task 2: Import libraries and datasets
Task 3: Perform image visualization
Task 4: Convert images to gray-scale and perform normalization
Task 5: Understand the theory and intuition behind Convolutional Neural Networks
Task 6: Build deep learning model
Task 7: Compile and train deep learning model
Task 8: Assess trained model performance
Como funcionam os projetos guiados
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
Avaliações
Principais avaliações do TRAFFIC SIGN CLASSIFICATION USING DEEP LEARNING IN PYTHON/KERAS
Very nice course, everything was explained perfectly. Can also add about testing the trained model using external data, like if we want to give an input and perform prediction then how it is done.
Instructor was efficient in delivering the knowledge and I understood it very well. The exercises were also great. Overall, my aim for taking this course had been accomplished.
Thank you so much for such an awesome course ryan ahmad sir. I got 100/100 from your teaching. I wish i could meet you personally.
Course misses detailed explanation but its good for those who have just learned CNN's and want a quick hands on experience.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu ganho se comprar projetos guiados?
Os projetos guiados estão disponíveis no computador e em dispositivos móveis?
Quem são os instrutores dos projetos guiados?
Posso baixar o trabalho do meu projeto guiado após completá-lo?
Como funciona a política de reembolso?Como funciona a política de reembolso?
Existe algum auxílio financeiro disponível?
Posso participar como ouvinte de um projeto guiado e assistir de graça a uma parte do vídeo?
Quanta experiência eu preciso ter para fazer esse projeto guiado?
Posso completar esse projeto guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizado com os projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao estudante.
Coursera Footer
