Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod
Přehled funkcí a architektury pretrénovaných modelů YOLO
- Algoritmus YOLO
- Regresní algoritmy pro detekci objektů
- Jak se YOLO liší od RCNN?
Vybrání vhodné varianty YOLO
- Funkce a architektura YOLOv1-v2
- Funkce a architektura YOLOv3-v4
Instalace a konfigurace IDE pro implementaci YOLO
- Implementace Darknet
- Implementace PyTorch a Keras
- Spuštění OpenCV a NumPy
Přehled detekce objektů pomocí pretrénovaných modelů YOLO
Vytváření a přizpůsobování Pythonovských příkazových aplikací
- Označování obrazů pomocí rámce YOLO
- Klasifikace obrazů na základě datové sady
Detekce objektů v obrazech pomocí implementací YOLO
- Jak fungují bounding boxes?
- Jak přesný je YOLO pro segmentaci instancí?
- Parsování příkazových parametrů
Extrakce třídových štítků, souřadnic a rozměrů z YOLO
Zobrazování výsledných obrázků
Detekce objektů ve videostreamu pomocí implementací YOLO
- Jak se liší od základního zpracování obrazu?
Trenování a testování implementací YOLO na rámci
Řešení potíží a ladění
Závěr a shrnutí
Požadavky
- Zkušenosti s programováním v Pythonu 3.x
- Základní znalost jakéhokoli IDE pro Python
- Zkušenosti s knihovnou argparse a příkazovými parametry v Pythonu
- Pochopení knihoven počítačového zpracování obrazu a strojového učení
- Chápaní základních algoritmů detekce objektů
Cílová skupina
- Vývojáři backendu
- Data scientists
7 hodiny
Reference (2)
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
I genuinely enjoyed the hands-on approach.
