Schița de curs

Introducere

Prezentare generală a modelelor YOLO Pre-antrenate Caracteristici și arhitectură

  • Algoritmul YOLO
  • Algoritmi bazați pe regresie pentru detectarea obiectelor
  • Prin ce diferă YOLO de RCNN?

Utilizarea variantei adecvate de YOLO

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

Instalarea și configurarea IDE pentru implementări YOLO

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

Prezentare generală a detectării obiectelor cu ajutorul modelelor pre-antrenate YOLO

Crearea și personalizarea Python aplicațiilor în linie de comandă

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

Detectarea obiectelor în imagini cu ajutorul implementărilor YOLO

  • Cum funcționează casetele de delimitare?
  • Cât de precis este YOLO pentru segmentarea instanțelor?
  • Parsarea argumentelor din linia de comandă

Extragerea etichetelor, coordonatelor și dimensiunilor clasei YOLO

Afișarea imaginilor rezultate

Detectarea obiectelor în fluxurile video cu implementări YOLO

  • Care este diferența față de procesarea de bază a imaginilor?

Formarea și testarea implementărilor YOLO pe un cadru

Depanare și depanare

Rezumat și concluzii

Cerințe

  • Python Experiență de programare 3.x
  • Cunoștințe de bază ale oricărui Python IDE
  • .
  • Experiență cu Python argparse și cu argumentele din linia de comandă
  • Comprehensiunea bibliotecilor de viziune pe calculator și de învățare automată
  • Înțelegere a algoritmilor fundamentali de detectare a obiectelor

Audiență

  • Instrumentiști backend
  • Cercetători de date
 7 ore

Numărul de participanți



Pret per participant

Mărturii (2)

Categorii înrudite