Kursplan
Introduksjon
Oversikt over YOLO forhåndstrente modellers funksjoner og arkitektur
- YOLO-algoritmen Regresjonsbaserte algoritmer for objektdeteksjon Hvordan er YOLO forskjellig fra RCNN?
Bruke den passende YOLO-varianten
- Funksjoner og arkitektur til YOLOv1-v2 Funksjoner og arkitektur til YOLOv3-v4
Installere og konfigurere IDE for YOLO-implementeringer
- Darknet-implementeringen PyTorch- og Keras-implementeringene Utfører OpenCV og NumPy
Oversikt over objektdeteksjon ved bruk av YOLO forhåndstrente modeller
Bygge og tilpasse Python kommandolinjeapplikasjoner
- Merke bilder ved hjelp av YOLO Framework Bildeklassifisering basert på et datasett
Oppdage objekter i bilder med YOLO-implementeringer
- Hvordan fungerer Bounding Boxes? Hvor nøyaktig er YOLO for eksempelsegmentering? Parsing av kommandolinjeargumentene
Trekk ut YOLO-klasseetiketter, koordinater og dimensjoner
Viser de resulterende bildene
Oppdage objekter i videostrømmer med YOLO-implementeringer
- Hvordan er det forskjellig fra grunnleggende bildebehandling?
Trening og testing av YOLO-implementeringene på et rammeverk
Feilsøking og feilsøking
Oppsummering og konklusjon
Krav
- Python 3.x programmeringserfaring
- Grunnleggende kunnskap om alle Python IDE-er
- Erfaring med Python argparse og kommandolinjeargumenter
- Forståelse av datasyn og maskinlæringsbiblioteker
- En forståelse av grunnleggende objektdeteksjonsalgoritmer
Publikum
- Backend-utviklere
- Dataforskere
Testimonials (3)
The hands-on approach
Kevin De Cuyper
Kurs - Computer Vision with OpenCV
Trainer was very knowlegable and very open to feedback on what pace to go through the content and the topics we covered. I gained alot from the training and feel like I now have a good grasp of image manipulation and some techniques for building a good training set for an image classification problem.
Anthea King - WesCEF
Kurs - Computer Vision with Python
eksempler og øvelser
Kamil
Kurs - Introduction to Data Science and AI using Python
Machine Translated