Cursuri de pregatire Real-Time Object Detection with YOLO
YOLO (You Only Look Once) este un algoritm transformat în modele pre-trainate pentru detectarea obiectelor. Acesta este testat de cadrul de rețea neuronal Darknet, ceea ce îl face ideal pentru dezvoltarea funcțiilor de viziune a calculatorului bazate pe setul de date COCO (Obiectele comune în context). Cele mai recente variante ale cadrului YOLO, YOLOv3-v4, permit programelor să execute în mod eficient localizarea și clasificarea sarcinilor în timp ce funcționează în timp real.
Această formare directă, condusă de instructori (online sau on-site) vizează dezvoltatorii de bază și oamenii de știință de date care doresc să integreze modelele YOLO pre-trainate în programele lor conduse de întreprindere și să implementeze componente cost-eficiente pentru detectarea obiectelor.
La sfârșitul cursului, participanții vor putea:
- Instalați și configurați instrumentele și bibliotecile necesare pentru detectarea obiectelor folosind YOLO.
- Personalizează aplicațiile de comandă Python care funcționează pe baza modelelor YOLO pre-trainate.
- Implementarea cadrului modelelor YOLO pregătite pentru diferite proiecte de viziune a calculatorului.
- Convertați seturile de date existente pentru detectarea obiectelor în format YOLO.
- Înțelegeți conceptele fundamentale ale algoritmului YOLO pentru viziunea computerului și / sau învățarea profundă.
Formatul cursului
- Lecții și discuții interactive.
- Multe exerciții și practici.
- Implementarea pe mâini într-un mediu live-lab.
Opțiuni de personalizare
- Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.
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
Cursurile publice necesita 5+ participanti
Cursuri de pregatire Real-Time Object Detection with YOLO - Rezervare
Cursuri de pregatire Real-Time Object Detection with YOLO - Solicita Oferta
Real-Time Object Detection with YOLO - Cerere de consultanta
Mărturii (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
Curs - Computer Vision with Python
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Curs - Computer Vision with OpenCV
Upcoming Courses
Cursuri înrudite
OpenFace: Creating Facial Recognition Systems
14 oreRaspberry Pi + OpenCV for Facial Recognition
21 orePattern Matching
14 oreModel Matching este o tehnică folosită pentru a localiza tiparele specificate în cadrul unei imagini. Poate fi utilizat pentru a determina existența unor caracteristici specificate în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabrică sau dimensiunile specificate ale unei componente. Este diferit de „ Pattern Recognition ” (care recunoaște tiparele generale bazate pe colecții mai mari de eșantioane asociate) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.
Formatul cursului
- Acest curs introduce abordările, tehnologiile și algoritmii folosiți în câmpul de potrivire a modelelor, așa cum se aplică la Machine Vision .
Marvin Framework for Image and Video Processing
14 oreMarvin este o extensibil, Cross-Platform, Open-Source de imagine și de procesare video cadru dezvoltat în Java. dezvoltatorii pot folosi Marvin pentru a manipula imagini, extrage caracteristici din imagini pentru sarcini de clasificare, generează cifre algoritmic, procesează Seturile de date ale fișierelor video și configurați automatizarea unității de testare.
niște de la Marvin & #39; s vizual cerere a cuprinde filtering, augmentată realitate, obiect Tracking și Deplasare Detection.
în acest instructor-condus, Live curs participanții vor învăța principiile de imagine și video de analiză și de a utiliza Marvin Framework și a imaginii sale algoritmi de procesare pentru a construi propria lor cerere.
format al cursului
- principiile de bază ale analizei imaginilor, analiza video și cadrul Marvin sunt introduse pentru prima dată. Elevilor li se oferă sarcini bazate pe proiecte care le permit să practice conceptele învățate. Până la sfârșitul clasei, participanții își vor fi dezvoltat propria aplicație folosind Marvin Framework și bibliotecile.
Scilab
14 orePaddlePaddle
21 oreFiji: Introduction to Scientific Image Processing
21 oreComputer Vision with OpenCV
28 oreOpenCV (Open Source Computer Vision Library: http://opencv.org) este o bibliotecă open-source cu licență BSD care include câteva sute de algoritmi de computer vision.
Public
Acest curs este destinat inginerilor și arhitecților care doresc să utilizeze OpenCV pentru proiecte de viziune computerizată
Python and Deep Learning with OpenCV 4
14 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățare profundă.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Vizualizați, încărcați și clasificați imagini și videoclipuri folosind OpenCV 4. .
- Implementați învățarea profundă în OpenCV 4 cu TensorFlow și Keras. .
- Executați modele de învățare profundă și generați rapoarte de impact din imagini și videoclipuri.
Computer Vision with SimpleCV
14 oreSimpleCV este un cadru open source - ceea ce înseamnă că este o colecție de biblioteci și software pe care le puteți utiliza pentru a dezvolta aplicații de vizualizare. Vă permite să lucrați cu imaginile sau fluxurile video provenite de la camerele web, camerele Kinects, FireWire și IP sau telefoanele mobile. Vă ajută să construiți programe software pentru a vă face diferitele tehnologii nu numai să vedeți lumea, ci și să o înțelegeți.
Public
Acest curs este adresat inginerilor și dezvoltatorilor care doresc să dezvolte aplicații de vizibilitate prin intermediul computerului cu SimpleCV.
Deep Learning for Vision with Caffe
21 oreCaffe este un cadru de învățare profund făcut în expresie, viteză și modularitate în minte.
Acest curs explorează aplicarea Caffe ca cadru de învățare profundă pentru recunoașterea imaginii folosind MNIST ca exemplu
Public
Acest curs este potrivit pentru cercetătorii de la Deep Learning și pentru inginerii interesați să utilizeze Caffe ca cadru.
După finalizarea acestui curs, delegații vor putea:
- să înțeleagă structura și mecanismele de implementare a lui Caffe
- efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
- evaluarea calității codului, efectuarea depanării, monitorizarea
- să implementeze producția avansată, cum ar fi modelele de formare, punerea în aplicare a straturilor și logarea
Computer Vision with Python
14 oreComputer Vision este un câmp care implică extragerea, analizarea și înțelegerea automată a informațiilor utile din media digitală. Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codurilor sale.
În cadrul acestui training, instruit în direct, participanții vor învăța elementele de bază ale Computer Vision în timp ce pășesc prin crearea unui set de aplicații simple Computer Vision folosind Python .
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți elementele de bază ale viziunii Computer
- Utilizați Python pentru a implementa activități Computer Vision
- Construiți propriile sisteme de detectare a feței, obiectelor și mișcărilor
Public
- Programatorii Python interesați de Computer Vision
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice