Návrh Školení
Úvod
Přehled funkcí a architektury předtrénovaných modelů YOLO
- Algoritmus YOLO Regresní algoritmy pro detekci objektů Jak se YOLO liší od RCNN?
Využití vhodné varianty YOLO
- Funkce a architektura YOLOv1-v2 Funkce a architektura YOLOv3-v4
Instalace a konfigurace IDE pro implementace YOLO
- Implementace Darknetu Implementace PyTorch a Keras spouštějící OpenCV a NumPy
Přehled detekce objektů pomocí předtrénovaných modelů YOLO
Vytváření a přizpůsobení Python aplikací příkazového řádku
- Označování obrázků pomocí rámce YOLO Klasifikace obrázků na základě datové sady
Detekce objektů na obrázcích pomocí implementací YOLO
- Jak fungují vymezovací boxy? Jak přesné je YOLO pro segmentaci instancí? Analýza argumentů příkazového řádku
Extrahování štítků, souřadnic a dimenzí třídy YOLO
Zobrazení výsledných obrázků
Detekce objektů ve videostreamech pomocí implementací YOLO
- Jak se liší od základního zpracování obrazu?
Školení a testování implementací YOLO na frameworku
Odstraňování problémů a ladění
Shrnutí a závěr
Požadavky
- Python Zkušenosti s programováním 3.x
- Základní znalost všech Python IDE
- Zkušenosti s Python argparse a argumenty příkazového řádku
- Pochopení počítačového vidění a knihoven strojového učení
- Pochopení základních algoritmů detekce objektů
Publikum
- Backend Vývojáři
- Data Scientists
Reference (3)
The hands-on approach
Kevin De Cuyper
Kurz - 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
Kurz - Computer Vision with Python
příklady a cvičení
Kamil
Kurz - Introduction to Data Science and AI using Python
Machine Translated