لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بسته کامل دوره YOLOv4 Pro [ویدئو]
Full YOLOv4 Pro Course Bundle [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
اگر می خواهید شبکه عصبی YOLOv4 خود را به صورت بومی آموزش دهید، این دوره بسیار مناسب است. شما با یک مقدمه ملایم به دنیای بینایی کامپیوتر با YOLOv4 شروع میکنید، darknet را نصب میکنید، و کتابخانههایی را برای YOLOv4 میسازید تا YOLOv4 را بر روی تصاویر و ویدیوها در زمان واقعی پیادهسازی کنید.
شما حتی با ساختن برنامه نظارت بر فاصله اجتماعی خود و اجرای ردیابی خودرو با استفاده از الگوریتم قوی DeepSORT، مشکلات فعلی و مرتبط دنیای واقعی را حل خواهید کرد.
پس از آن، تکنیکها و بهترین شیوهها/قوانین را در مورد نحوه اجرای پیادهسازی Python و توسعه رابط کاربری گرافیکی برای برنامههای YOLOv4 با استفاده از PyQT خواهید آموخت.
سپس، مجموعه دادههای خود را از ابتدا برچسبگذاری میکنید، مجموعههای داده استاندارد را به فرمت YOLOv4 تبدیل میکنید، مجموعه دادههای خود را 10 برابر تقویت میکنید، و از تقویت دادهها برای افزایش قابل توجهی تنوع دادههای موجود برای مدلهای آموزشی، بدون جمعآوری دادههای جدید استفاده میکنید.
در نهایت، برنامه تشخیص ماسک خود را توسعه خواهید داد تا تشخیص دهد که آیا یک فرد ماسک خود را زده است یا خیر و یک هشدار را پرچمگذاری کنید.
در پایان این دوره، شما می توانید CNN های سفارشی خود را با YOLOv4 پیاده سازی و آموزش دهید. این به شما در حل مشکلات دنیای واقعی، انجام پروژه های هوش مصنوعی آزاد، به دست آوردن این فرصت در هوش مصنوعی و مقابله با کارهای تحقیقاتی خود با صرفه جویی در زمان و هزینه کمک می کند. دنیا صدف شماست؛ فقط زمانی که در هوش مصنوعی مهارت دارید شروع به کاوش در جهان کنید.
همه فایلهای منبع در مخزن GitHub در https://github.com/PacktPublishing/Full-YOLOv4-Pro-Course-Bundle شناسایی YOLOv4 روی تصاویر آپلود میشوند.
تشخیص YOLOv4 را روی ویدیوها و وب کم اجرا کنید
چگونه به طور بومی آشکارساز YOLOv4 سفارشی خود را آموزش دهید
فایل هایی را برای آموزش و تنظیم فایل های پیکربندی آماده کنید
YOLOv4 را با PyQT ادغام کنید
رابط کاربری گرافیکی فاصلهگذاری اجتماعی با PyQT این دوره برای توسعهدهندگان، محققان و دانشجویانی است که حداقل تجربه برنامهنویسی دارند و میخواهند در هوش مصنوعی برای بینایی کامپیوتر و تشخیص بصری مهارت داشته باشند. فردی که دانش یادگیری ماشینی دارد و میخواهد برای درک بصری وارد شبکههای عصبی یا هوش مصنوعی شود، دانشمندی که به دنبال استفاده از الگوریتمهای یادگیری عمیق + بینایی کامپیوتر است، افرادی که به دنبال استفاده از الگوریتمهای بینایی کامپیوتر در پروژههای خود هستند، از این دوره بهرهمند خواهند شد.
یک کامپیوتر/لپ تاپ با برد بالا، ویندوز 10 و کارت گرافیک GPU CUDA Nvidia پیش نیاز هستند. برنامه فاصله گذاری اجتماعی برای محاسبه فاصله بین افراد برای تعیین اینکه آیا در معرض خطر هستند * برنامه شمارش اشیاء برای شمارش خودروها در پارکینگ و DeepSORT برای ردیابی وسایل نقلیه در ترافیک * برنامه تشخیص ماسک برای تشخیص اینکه آیا فرد ماسک زده است یا نه. اگر نه، علامت گذاری یک هشدار
سرفصل ها و درس ها
مقدمه دوره
Introduction to the Course
معرفی
Introduction
نحوه اکسل در این دوره
How to Excel in this Course
نظریه YOLOv4
YOLOv4 Theory
نصب وابستگی های YOLOv4 مانند CUDA، Python، OpenCV
Installation of YOLOv4 Dependencies such as CUDA, Python, OpenCV
تشخیص شی با YOLOv4
Object Detection with YOLOv4
تشخیص شیء YOLOv4 در تصویر و ویدیو
YOLOv4 Object Detection on Image and Video
توضیح YOLOv4 Darknet با پیاده سازی کد و وب کم
YOLOv4 Darknet Explanation with Code and Webcam Implementation
برنامه نظارت بر فاصله گذاری اجتماعی
Social Distancing Monitoring App
جلسه مربیگری پایش فاصله اجتماعی
Social Distancing Monitoring Coaching Session
شمارش ماشین های پارک شده
Count Parked Cars
DeepSORT Intuition - چگونه DeepSORT Object Tracking کار می کند
DeepSORT Intuition - How DeepSORT Object Tracking Works
ردیابی قوی با YOLOv4 و DeepSORT
Robust Tracking with YOLOv4 and DeepSORT
خلاصه شروع YOLOv4
YOLOv4 Starter Summary
تکامل YOLOv1 به YOLOv3
Evolution of YOLOv1 to YOLOv3
افزودن ابزارک - فیلتر کلاس با استفاده از ویجت چک باکس
Adding Widgets - Class Filter Using Checkbox Widget
افزودن ویجت ها - ویجت نمودار طرح زنده در زمان واقعی
Adding Widgets - Real-Time Live Plot Graph Widget
فاصله گذاری اجتماعی در فعالیت PyQt
Social Distancing in PyQt Activity
نتیجه
Conclusion
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
استارت آپ های تقویت شده بیش از 8 سال تجربه در طراحی برد مدار چاپی (PCB) و همچنین در پردازش تصویر و کنترل جاسازی شده دارند. نویسنده Ritesh Kanjee مدرک کارشناسی ارشد خود را در مهندسی الکترونیک به پایان رسانده است و دو مقاله در پایگاه داده IEEE منتشر کرده است که یکی به نام "Cruise Control تطبیقی مبتنی بر دید با استفاده از تطبیق الگو" و دیگری به نام "یک چارچوب تشخیص خودرو سه مرحله ای برای تخمین برد با استفاده از یک" دوربین تک" (در Google Scholar). کار او در LabVIEW پیاده سازی شد. او به عنوان یک مهندس الکترونیک جاسازی شده در تحقیقات دفاعی کار می کند و دارای تجربه در طراحی FPGA با برنامه نویسی در VHDL و Verilog است. او همچنین در زمینه واقعیت افزوده و یادگیری ماشین تخصص دارد که در آن باید فناوریهای جدید را از طریق رسانه ویدیو معرفی کند.
نمایش نظرات