Gradient-weighted Class Activation Mapping (Grad-CAM) verwendet die klassenspezifischen Gradienteninformationen, die in die letzte Faltungsschicht eines CNN fließen, um eine grobe Lokalisierungskarte der wichtigen Regionen im Bild zu erstellen. In diesem 2-stündigen projektbasierten Kurs werden Sie GradCAM auf einem einfachen Klassifizierungsdatensatz implementieren. Sie werden eine benutzerdefinierte Datensatzklasse für den Datensatz der Bildklassifizierung schreiben. Danach werden Sie eine benutzerdefinierte CNN-Architektur erstellen. Außerdem werden Sie eine train-Funktion und eine evaluator-Funktion erstellen, die Ihnen beim Schreiben der Trainingsschleife helfen. Nachdem Sie das beste Modell gespeichert haben, schreiben Sie die GradCAM-Funktion, die die Heatmap der Lokalisierungskarte einer bestimmten Klasse zurückgibt. Zum Schluss zeichnen Sie die Heatmap des gegebenen Eingabebildes.
Genießen Sie unbegrenztes Wachstum mit einem Jahr Coursera Plus für 199 $ (regulär 399 $). Jetzt sparen.
(21 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
GradCAM-Funktion praktisch umsetzen
Erstellen von Trainings- und Auswertungsfunktionen
Kompetenzen, die Sie festigen
- Kategorie: Computervision
- Kategorie: Deep Learning
- Kategorie: Faltungsneuronale Netzwerke
- Kategorie: Wärmekarten
- Kategorie: PyTorch (Bibliothek für Maschinelles Lernen)
- Kategorie: Bildanalyse
- Kategorie: Modell Bewertung
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien
Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Colab-Laufzeitumgebung einrichten
Konfigurationen
Erweiterungen
Bilddatensatz laden
Dataset in Stapel laden
Modell erstellen
Erstellen Sie die Funktion Train and eval
Trainingsschleife
GradCAM holen
Empfohlene Erfahrung
Vorherige Programmiererfahrung in Python, PyTorch. Theoretische Kenntnisse über Convolutional Neural Network, Trainingsprozess (Optimierung) und GradCAM.
9 Projektbilder
Dozent
von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
21 Bewertungen
- 5 stars
71,42 %
- 4 stars
19,04 %
- 3 stars
4,76 %
- 2 stars
4,76 %
- 1 star
0 %
Zeigt 3 von 21 an
Geprüft am 10. Jan. 2025
Please explain more in detail and also cover some important prerequisities.
Geprüft am 20. Feb. 2023
Great material, easy to follow and to some extent helps build intuition.
Geprüft am 31. Aug. 2025
Very good project. Helps you implement gradcam from grounds up.
Ihnen könnte auch Folgendes gefallen:
Häufig gestellte Fragen
Da Ihr Arbeitsbereich einen Cloud-Desktop enthält, der für einen Laptop oder Desktop-Computer ausgelegt ist, sind angeleitete Projekte auf Ihrem Mobilgerät nicht verfügbar.
Die Dozenten bei angeleiteten Projekten sind Fachexperten, die Erfahrung in den Fähigkeiten, Werkzeugen oder Bereichen der jeweiligen Projekte haben und leidenschaftlich daran interessiert sind, ihr Wissen weiterzugeben und so Millionen von Lernenden auf der ganzen Welt zu beeinflussen.
Sie können alle von Ihnen erstellten Dateien aus dem angeleiteten Projekt herunterladen und speichern. Zu diesem Zweck können Sie die Funktion „Dateibrowser“ verwenden, wenn Sie auf Ihren Cloud-Desktop zugreifen.