Prompt Engineering for Vision Models
1.0.0
สำรวจหลักสูตร "วิศวกรรมที่รวดเร็วสำหรับการมองเห็นแบบจำลอง" ออกแบบมาเพื่อเพิ่มความเข้าใจของคุณเกี่ยวกับเทคนิคทางวิศวกรรมที่รวดเร็วทั้งในรูปแบบข้อความและวิสัยทัศน์ หลักสูตรนี้จะช่วยให้คุณได้รับการปรับแต่งแบบจำลองการมองเห็นต่างๆอย่างมีประสิทธิภาพ
ในหลักสูตรนี้คุณจะเจาะลึกเข้าไปในขอบเขตของวิศวกรรมที่รวดเร็วสำหรับแบบจำลองการมองเห็นเทคนิคการสำรวจเพื่อให้โมเดลพร้อมเช่น Meta Segment Model (SAM), Vit-vit และการแพร่กระจายที่เสถียร 2.0 นี่คือสิ่งที่คุณจะได้เรียนรู้:
การสร้างภาพ : แบบจำลองการมองเห็นพร้อมข้อความและปรับพารามิเตอร์ไฮเปอร์พารามิเตอร์เพื่อสร้างภาพที่มีลักษณะที่ต้องการ
การแบ่งส่วนภาพ : ใช้พิกัดเชิงบวกหรือเชิงลบพร้อมกับพิกัดกล่องขอบเขตเพื่อให้โมเดลพร้อมใช้งานสำหรับการแบ่งส่วนภาพที่แม่นยำ
การตรวจจับวัตถุ : ใช้ภาษาธรรมชาติพร้อมที่จะสร้างกล่องที่มีขอบเขตแยกวัตถุเฉพาะภายในภาพ
In-Painting : รวมการตรวจจับวัตถุการแบ่งส่วนภาพและเทคนิคการสร้างภาพเพื่อแทนที่วัตถุภายในภาพด้วยเนื้อหาที่สร้างขึ้น
การปรับแต่งส่วนบุคคลด้วยการปรับแต่ง : แบบจำลองการแพร่กระจายอย่างละเอียดเพื่อสร้างภาพที่กำหนดเองตามรูปภาพที่ให้มาของผู้คนหรือสถานที่โดยใช้เทคนิคที่เรียกว่า Dreambooth
การทำซ้ำและการติดตามการทดลอง : เรียนรู้วิธีการติดตามการทดลองอย่างมีประสิทธิภาพโดยใช้ Comet ซึ่งเป็นห้องสมุดที่ช่วยในการเพิ่มประสิทธิภาพเวิร์กโฟลว์วิศวกรรมที่มีภาพ
แบบจำลองการมองเห็นที่พร้อมใช้งานพร้อมข้อความพิกัดและกล่องที่มีขอบเขตปรับแต่งพารามิเตอร์ไฮเปอร์พารามิเตอร์สำหรับลักษณะเอาต์พุตที่ต้องการ
- ใช้ในการทาสีเพื่อแทนที่ชิ้นส่วนของภาพด้วยเนื้อหาที่สร้างขึ้นโดยรวมเทคนิคการมองเห็นที่หลากหลาย
แบบจำลองการกระจายแบบปรับแต่งสำหรับการสร้างภาพที่แม่นยำรวมถึงการปรับแต่งด้วยภาพที่กำหนดเอง
ติดตามการทดลองอย่างมีประสิทธิภาพโดยใช้ดาวหางเพิ่มประสิทธิภาพเวิร์กโฟลว์ทางวิศวกรรมพร้อมท์ของคุณ
Abby Morgan , Jacques Verré และ Caleb Kaiser เป็นวิศวกรการเรียนรู้ของเครื่องจักรที่มีประสบการณ์ที่ Comet นำความเชี่ยวชาญของพวกเขามาชี้นำคุณผ่านความซับซ้อนของแบบจำลองการมองเห็น
สำหรับการลงทะเบียนและรายละเอียดเพิ่มเติมโปรดไปที่ deeplearning.ai
