Le traitement d'images permet d'améliorer les images ou d'en extraire des informations utiles. Dans ce module, nous apprendrons les bases du traitement d'images avec les bibliothèques Python OpenCV et Pillow.

Dans ce module, vous découvrirez les différentes méthodes de classification par apprentissage automatique couramment utilisées pour la vision par ordinateur, notamment les k plus proches voisins, la régression logistique, la régression SoftMax et les machines à vecteurs de support. Enfin, vous apprendrez ce que sont les caractéristiques d'une image

Dans ce module, vous découvrirez les réseaux neuronaux, les réseaux neuronaux entièrement connectés et les réseaux neuronaux convolutifs (CNN). Vous découvrirez les différents composants tels que les couches et les différents types de fonctions d'activation tels que ReLU. Vous apprendrez également à connaître les différentes architectures CNN telles que ResNet et LenNet.

Dans ce module, vous apprendrez à détecter des objets à l'aide de différentes méthodes. La première approche consiste à utiliser le classificateur Haar Cascade, la seconde à utiliser R-CNN et MobileNet.

Dans la dernière semaine de ce cours, vous allez construire une application de vision par ordinateur que vous allez déployer sur le cloud à travers Code Engine. Pour ce projet, vous créerez un classificateur personnalisé, l'entraînerez et le testerez sur vos propres images.