Schița de curs

Introducere

Prezentare generală a caracteristicilor și arhitecturii modelelor pre-antrenate YOLO

  • Algoritmul YOLO
  • Algoritmi bazate pe regresie pentru detectarea obiectelor
  • Cum diferă YOLO de RCNN?

Utilizarea variantei potrivite YOLO

  • Caracteristicile și arhitectura YOLOv1-v2
  • Caracteristicile și arhitectura YOLOv3-v4

Instalarea și configurarea IDE-ului pentru implementări YOLO

  • Implementarea Darknet
  • Implementările PyTorch și Keras
  • Executarea OpenCV și NumPy

Prezentare generală a detectării obiectelor folosind modele pre-antrenate YOLO

Construirea și personalizarea aplicațiilor Python de linie de comandă

  • Etichetarea imaginilor folosind cadrul YOLO
  • Clasificarea imaginilor pe baza unui set de date

Detectarea obiectelor în imagini cu implementări YOLO

  • Cum funcționează cutiile de delimitare?
  • Cât de precis este YOLO pentru segmentarea instanțelor?
  • Parsarea argumentelor de linie de comandă

Extragerea etichetelor de clasă, coordonatelor și dimensiunilor YOLO

Afișarea imaginilor rezultate

Detectarea obiectelor în fluxuri video cu implementări YOLO

  • Cum diferă de procesarea de bază a imaginilor?

Antrenarea și testarea implementărilor YOLO pe un cadru

Depanare și depanare

Rezumat și concluzii

Cerințe

  • Experiență în programare Python 3.x
  • Cunoștințe de bază despre orice IDE Python
  • Experiență cu argparse și argumente de linie de comandă în Python
  • Înțelegerea bibliotecilor de viziune artificială și învățare automată
  • Înțelegerea algoritmilor fundamentali de detectare a obiectelor

Publicul Țintă

  • Dezvoltatori Backend
  • Oameni de Știință de Date
 7 Ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite