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
 7 hodiny

Počet účastníků



Price per participant

Reference (2)

Související kategorie