Classificazione efficiente delle immagini con Sparse Labels e SqueezeNet

La classificazione delle immagini è un elemento fondamentale dell'intelligenza artificiale moderna, ma la gestione efficiente dei dati etichettati è fondamentale per le prestazioni. Alla fine di questo corso, sarete in grado di comprendere, implementare e perfezionare i modelli di classificazione delle immagini, sfruttando in particolare le etichette sparse e l'efficiente architettura SqueezeNet per un migliore utilizzo delle risorse e delle prestazioni. Comprenderai il ruolo e i vantaggi delle etichette sparse nell'addestramento dei modelli di deep learning. Applicherai l'architettura SqueezeNet per una classificazione delle immagini efficiente e leggera.Implementerai tecniche comuni di preelaborazione e aumento dei dati per modelli robusti. Praticherai la configurazione di funzioni di perdita, ottimizzatori e metriche di valutazione per le attività di classificazione.Esplorarai i principi di base della quantizzazione del modello per la distribuzione di modelli efficienti.Il corso introduce sistematicamente i concetti di base del deep learning prima di immergersi nelle specifiche delle etichette sparse e dell'architettura SqueezeNet. Applicherai quindi questi principi attraverso esercizi pratici e scritti. Questo corso è progettato per i principianti assoluti interessati al deep learning e alla classificazione delle immagini, senza alcuna esperienza precedente richiesta oltre alle conoscenze di programmazione di base.