Étude de cas pratique avec un réseau convolutif - Problématiques liées à l’usage “vrais” données - CNN 2/2

• 00:00 1/ Introduction
• 04:40 2/ Les questions séquence précédentes
• 12:38 3/ Petit retour sur les concepts importants des CNN
• 36:25 4/ Cas pratique du jour : Reconnaître des panneaux routiers
• 39:04 5/ Question et retour sur le pooling
• 44:17 6/ Les différentes étapes de notre cas pratique
• 48:51 7/ Les paramètres d’échelle (scale) de nos notebooks
• 53:50 8/ Préparation des données (GTSRB1)
• 1:24:17 9/ Premières convolutions (GTSRB2)
• 1:30:00 10/ Mieux suivre l’apprentissage, avec les checkpoints (GTSRB3)
• 1:47:35 11/ Stratégies d’amélioration : data augmentation (GTSRB4)
• 1:50:50 12/ Résultats des différentes stratégies (GTSRB7)
• 1:56:04 13/ Quelques mots sur l’exécution en ligne de commande des notebooks
• 1:57:19 14/ La semaine prochaine, un petit regard sur les maths ;-)

L’objectif de cette séquence, essentiellement pratique, sera de mettre en œuvre une chaine de traitement complète visant à effectuer une classification automatique d’images de panneaux routiers, en conditions réelles.

Convolutions - Dropout - Pooling - Monitoring et Tensorboard - Augmentation de données - Passage à l’échelle (du notebook au batch) - Points de reprise (checkpoint), …

Travaux pratiques : Classification de panneaux routiers

Durée : 2h