Introduzione ai trasformatori di visione: oltre le reti convoluzionali

Se vuoi capire come i moderni modelli di IA analizzano i dati visivi al di là delle reti convoluzionali tradizionali, è essenziale padroneggiare i concetti fondamentali dei trasformatori di visione, che sono stati sviluppati per trasformare i dati in immagini. Questo corso basato su testo ti guida attraverso l'evoluzione delle architetture di visione artificiale, confrontando le classiche reti neurali convoluzionali (CNN) con i moderni modelli basati sull'attenzione.Otterrai una solida base concettuale e pratica nei meccanismi di auto-attenzione e imparerai come valutare i modelli Transformer per le attività visive. Cosa imparerai: - Comprendere le differenze fondamentali tra strati convoluzionali e meccanismi di auto-attenzione - Traccia l'evoluzione della visione artificiale dai classici CNN ai moderni Vision Transformers (ViTs) - Analizza come le immagini vengono patchate, incorporate ed elaborate come sequenze di token - Valuta i trade-off computazionali, i punti di forza e i limiti di entrambe le architetture - Esplora i moderni modelli ibridi che combinano il meglio delle convoluzioni e dell'attenzione - Pratica la concettualizzazione delle pipeline di visione attraverso spiegazioni scritte e snippet di codice chiari e dettagliati Inizierai con la terminologia di base e i concetti fondamentali di deep learning prima di immergerti nella meccanica dell'auto-attenzione, della proiezione delle patch e della progettazione strutturale dei trasformatori di visione. Questo corso è progettato per principianti, sviluppatori di software e aspiranti scienziati dei dati che cercano di passare alla moderna visione artificiale, senza prerequisiti matematici avanzati.Entrate nella prossima generazione di computer vision e iniziate a leggere oggi.