Facial Expression Classification Using Residual Neural Nets

4.6
星

67件の評価

•

9件のレビュー

提供：

3,982人がすでに登録済みです

このガイド付きプロジェクトでは、次のことを行います。

Understand the theory and intuition behind Deep Neural Networks, and Residual Neural Networks, and Convolutional Neural Networks (CNNs).

Build and train a deep learning model based on Convolutional Neural Network and Residual blocks using Keras with Tensorflow 2.0 as a backend.

Assess the performance of trained CNN and ensure its generalization using various Key performance indicators.

2 hours
初級
ダウンロード不要
分割画面ビデオ
英語
デスクトップのみ

In this hands-on project, we will train a deep learning model based on Convolutional Neural Networks (CNNs) and Residual Blocks to detect facial expressions. This project could be practically used for detecting customer emotions and facial expressions. By the end of this project, you will be able to: - Understand the theory and intuition behind Deep Learning, Convolutional Neural Networks (CNNs) and Residual Neural Networks. - Import Key libraries, dataset and visualize images. - Perform data augmentation to increase the size of the dataset and improve model generalization capability. - Build a deep learning model based on Convolutional Neural Network and Residual blocks using Keras with Tensorflow 2.0 as a backend. - Compile and fit Deep Learning model to training data. - Assess the performance of trained CNN and ensure its generalization using various KPIs. - Improve network performance using regularization techniques such as dropout.

あなたが開発するスキル

  • Data Science

  • Deep Learning

  • Machine Learning

  • Python Programming

  • Computer Vision

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Project Overview/Understand the problem statement and business case

  2. Import Libraries/datasets and perform preliminary data processing

  3. Perform Image Visualization

  4. Perform Image Augmentation, normalization and splitting

  5. Understand the theory and intuition behind Deep Neural Networks and CNNs

  6. Build and Train Residual Neural Network Model

  7. Assess the Performance of the Trained Model

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

講師

レビュー

FACIAL EXPRESSION CLASSIFICATION USING RESIDUAL NEURAL NETS からの人気レビュー

すべてのレビューを見る

よくある質問

ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。

ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。

ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。

ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。

ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する。

ガイド付きプロジェクトには学費援助が利用できません。

ガイド付きプロジェクトでは監査を使用できません。

ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。

はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。

分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。

さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。

Coursera Footer

キャリアをスタート、またはキャリアアップする

人気のあるトピックを閲覧

人気のコースと記事

オンラインで学位または証明書を取得する

Coursera

コミュニティ

さらに表示

場所を選ばす学習する
App StoreからダウンロードGoogle Playで取得
Placeholder