Image Super Resolution Using Autoencoders in Keras

4.4
étoiles
322 évaluations
Offert par
Coursera Project Network
8 322 déjà inscrits
Dans ce Projet guidé, vous :

Understand what autoencoders are and why they are used

Design and train an autoencoder to increase the resolution of images with Keras

Clock1.5 hours
AdvancedAvancées
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

Welcome to this 1.5 hours long hands-on project on Image Super Resolution using Autoencoders in Keras. In this project, you’re going to learn what an autoencoder is, use Keras with Tensorflow as its backend to train your own autoencoder, and use this deep learning powered autoencoder to significantly enhance the quality of images. That is, our neural network will create high-resolution images from low-res source images. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and Keras pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Les compétences que vous développerez

Data ScienceDeep LearningMachine LearningComputer Visionkeras

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 and Import Libraries

  2. What are Autoencoders?

  3. Build the Encoder

  4. Build the Decoder to Complete the Network

  5. Create Dataset and Specify Training Routine

  6. Load the Dataset and Pre-trained Model

  7. Model Predictions and Visualizing the Results

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

Enseignant

Avis

Meilleurs avis pour IMAGE SUPER RESOLUTION USING AUTOENCODERS IN KERAS

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

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