Coder un réseau de neurones convolutifs de classification d'image avec Python et Tensorflow.

Les réseu de neurones convolutifs sont trés utilisés pour travailler sur les images. Une des applications classiques est la classification d'objet. C'est à dire montrer une image au réseau et lui laisser nous dire de quelle catégorie il s'agit. Le réseau aura appris en amont de centaines, de milliers voire de plusieurs millions d'image a reconnaitre les classes.

Dans cette vidéo je vous montre la base pour construire un CNN, en construisant la base d'un pokedex (reconnaissance de pokemon) à vous de vous accaparer le code, construire vos jeux de données et en faire un projet personnel !

00:00 : Introduction
02:27 : Les pixels sont des données.
02:43 : Les filtres de traitement d'images
06:36 : Récupération de données
09:00 : Préprocessing
11:48 : Construire le réseau de neurones
15:20 : Entrainement du réseau de neurones
16:57 : Les résultats
18:05 : Visualiser les filtres produits

[DefendIntelligence]

Ca vous intérésse ce type de vidéo ? Le but n'est bien sur pas de vous donner des projets clés en main, mais de vous faire comprendre la logique et les bouts de code important. A vous maintenant de prendre en main le projet et de l'adapter.

[fabien]

Top ce format pour apprendre un peu de Deep Learning. Continues !

[MrBlereau]

Merci de partager tes connaissances. Je débute en ML et DL, tu rends certains concepts beaucoup plus simple à comprendre. Longue vie à ta chaîne

[Bobybyk]

Merci, tu m'as bien débloqué pour comprendre comment avancer sur mon projet de fouille de données à la fac haha

[brahimkhider]

J'aime pas ton contenu, mais là t'as sorti (sans le vouloir) le meilleur tutorial CNN du web.

[ilyestouzene]

Merci pour la video. Le fait que tu codes en direct montre que tu connais ton sujet, et ce n est pas du copier coller bête et méchant. Ca donne des idées pour s'entraîner chez soi, le souci c'est qu'il y a beaucoup de littérature sur le sujet, mais on peine souvent à trouver des exemples sur lesquels s'entraîner. De plus, ca serait intéressant de discuter de la théorie plus en profondeur, et de faire un parallèle avec un notebook.

[Jess-znsv]

Pile la vidéo que je recherchais! merci c'st top continue comme ça, hâte de voir l'IA dans la musique !

[chickenanto]

Salut ! Merci beaucoup pour toutes tes vidéos, elles sont très instructives. Cette vidéo m'a pas mal aidé, même si parfois ça va un peu vite (si on veut tout comprendre). Si tu proposes ce type de vidéo ça peut aider à faire entrer toutes les notions dans la tête ! Merci à toi ;p

[cedricletazeur]

Ton contenu est toujours très intéressant et bien travaillé tu connais bien ton domaine et l’explique bien je suis content d’avoir découvert ta chaîne que je considère comme une pépite personnellement 🙂

[MrDannael]

Merci beaucoup pour cette vidéo c'est super intéressant et très compréhensible hâte d'en voir d'autres

[laurentambassa]

Merci beaucoup pour cette vidéo très elle me permettra d’apprendre à faire des CNN. 🙏🏽

[manuellamouafo]

Super vidéo, tes explications sont fluides. Merci

[aboubacarouattara]

J'adore ce format. ça sera aussi cool d'avoir une vidéo comme ça qui explique les RNN ou une Apprentissage par renforcement

[magnetromain]

Super intéressant ! Vraiment cool comme concept j'espère que tu en referas d'autres en codant en live.
PS : j'ai adoré ton live sur la compétition kaggle, ça m'a beaucoup appris, beaucoup d'astuces intéressantes, en tant que débutant ça aide énormément !

[jokerz]

Excellente vidéo, ça sera intéressant d'avoir des vidéos similaires sur d'autres types de méthodes comme le GAN. Merci pour tes vidéos.

[yannleterrier]

Génial ce format, avec du NLP ça serait top aussi !

[romainleclair]

Au top la vidéo et les explications ! ;)

[gabrielberrebi]

merci pour ton aide tu ma enormement aider

[labretagneCavousgagne]

Nan par contre le fait que ça fonctionne comme ça les images ça paraît tellement évident maintenant mais c’est très surprenant et déconcertant 😂

[maloupep]

Salut, à 11:00 je comprend pas le problème d'avoir le même ensemble pour le training et la validation si tu split l'ensemble en 2 comme tu as fait avec 80% pour le training et les 20 derniers % pour la validation. Merci d'avance pour la réponse :)