Diese Woche erhalten Sie einen Überblick über einige beliebte Modelle zur Objekterkennung, wie regional-CNN und ResNet-50. Sie werden Modelle zur Objekterkennung verwenden, die Sie von TensorFlow Hub abrufen, Ihre eigenen Modelle herunterladen und für das Training konfigurieren und auch Ihre eigenen Modelle zur Objekterkennung erstellen. Mithilfe von Transfer Learning werden Sie ein Modell trainieren, das mit nur fünf Trainingsbeispielen Gummienten erkennt und lokalisiert. Außerdem können Sie Ihre eigenen Gummientchen-Bilder manuell beschriften!

Diese Woche dreht sich alles um die Segmentierung von Bildern mithilfe von Variationen des vollständig gefalteten neuronalen Netzwerks. Mit diesen Netzwerken können Sie jedem Pixel Klassenetiketten zuweisen und im Vergleich zu Bounding Boxes eine viel detailliertere Identifizierung von Objekten vornehmen. In dieser Woche werden Sie das vollständig faltbare neuronale Netzwerk, das U-Net und das Mask R-CNN aufbauen, um Zahlen, Haustiere und sogar Zombies zu identifizieren und zu erkennen!

In dieser Woche lernen Sie, wie wichtig die Interpretierbarkeit von Modellen ist, d.h. wie Ihr Modell zu seinen Entscheidungen kommt. Sie werden außerdem Klassenaktivierungskarten, Saliency Maps und gradientengewichtete Klassenaktivierungskarten implementieren, um zu erkennen, welche Teile eines Bildes von Ihrem Modell für seine Vorhersagen verwendet werden. Sie werden auch ein Beispiel dafür sehen, wie die Visualisierung der Aktivierungen der Zwischenschichten eines Modells dazu beitragen kann, das Design eines berühmten Netzwerks, AlexNet, zu verbessern.