Facial Expression Classification Using Residual Neural Nets

4.6
étoiles
63 évaluations
Offert par
Coursera Project Network
3 856 déjà inscrits
Dans ce Projet Guidé, vous :

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.

Clock2 hours
BeginnerDébutant
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

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.

Les compétences que vous développerez

  • Data Science
  • Deep Learning
  • Machine Learning
  • Python Programming
  • Computer Vision

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  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

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Avis

Meilleurs avis pour FACIAL EXPRESSION CLASSIFICATION USING RESIDUAL NEURAL NETS

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.