آموزش YOLO: برنامه تشخیص خودکار پلاک خودرو و استخراج متن

YOLO: Automatic License Plate Detection & Extract text App

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش توسعه تشخیص اشیاء پلاک خودرو، OCR و ایجاد پروژه وب اپلیکیشن با استفاده از یادگیری عمیق، TensorFlow 2، تشخیص اشیاء فلاسک از روی خراش تشخیص پلاک خودرو استخراج متن از تصویر با استفاده از Tesseract Train InceptionResnet V2 در TensorFlow 2 برای تشخیص اشیاء با برچسب API Web Object Flask. تشخیص داده ها با استفاده از ابزار حاشیه نویسی تصویر آموزش مدل سفارشی YOLO از ابتدا تشخیص پلاک خودرو در زمان واقعی با YOLO پیش نیازها: دانش پایه در پایتون دانش یادگیری عمیق با اصول TensorFlow در HTML

به NUMBER PLATE DETECTION AND OCR خوش آمدید: ADEEP LEARNING WEB APP PROJECT از ابتدا

پردازش تصویر و تشخیص اشیا یکی از حوزه های علم داده است و کاربردهای بسیار متنوعی در صنایع در دنیای کنونی دارد. بسیاری از صنایع به دنبال دانشمند داده با این مهارت ها هستند. این دوره تکنیک‌های مدل‌سازی از جمله برچسب‌گذاری داده‌های تشخیص شی (تصاویر)، پیش پردازش داده، ساخت مدل یادگیری عمیق (InceptionResNet V2)، ارزیابی و تولید (برنامه وب) را پوشش می‌دهد.

ما این دوره آموزشی Project Architecture را شروع می کنیم که برای توسعه این برنامه در پایتون دنبال شد. سپس نحوه جمع‌آوری داده‌ها و تصاویر l abel را برای تشخیص اشیاء برای پلاک یا شماره پلاک با استفاده از ابزار حاشیه‌نویسی تصویر که نرم‌افزار منبع باز توسعه‌یافته در رابط کاربری گرافیکی پایتون (pyQT) است، نشان خواهم داد.

سپس پس از اینکه تصویر را برچسب گذاری کردیم، روی پیش پردازش داده ها کار می کنیم، مدل تشخیص اشیا یادگیری عمیق (InceptionResnet V2) را در TensorFlow 2 می سازیم و آموزش می دهیم. هنگامی که مدل با بهترین ضرر آموزش داده شد، مدل را ارزیابی خواهیم کرد. من به شما نشان خواهم داد که چگونه

را محاسبه کنید
  • تقاطع روی اتحاد (IoU)

  • دقت مدل تشخیص شی.

هنگامی که مدل تشخیص اشیا را انجام دادیم، سپس با استفاده از این مدل، تصویری را که حاوی پلاک است که منطقه مورد نظر (ROI) نیز نامیده می‌شود، برش می‌دهیم و ROI را به API تشخیص نویسه نوری Tesseract منتقل می‌کنیم. پایتون (Pytesseract). در این مدل نحوه استخراج متن از تصاویر را به شما نشان می دهم. اکنون، همه آن ها را کنار هم می گذاریم و یک مدل یادگیری عمیق Pipeline می سازیم.

در ماژول نهایی، ایجاد یک پروژه برنامه وب با استفاده از FLASK Python را یاد خواهیم گرفت. در ابتدا، مفاهیم اولیه در Flask مانند مسیریابی URL، رندر قالب، وراثت قالب و غیره را یاد می گیریم. سپس وب سایت خود را با استفاده از HTML، Bootstrap ایجاد می کنیم. با آن ما در نهایت با برنامه خود آماده هستیم.

چه چیزی یاد خواهید گرفت؟

  • ساخت پروژه در برنامه نویسی پایتون

  • برچسب گذاری تصویر برای تشخیص شی

  • مدل تشخیص شی قطار (InceptionResNet V2) در TensorFlow 2.x

  • ارزیابی مدل

  • تشخیص کاراکتر نوری با Pytesseract

  • Flask API

  • توسعه برنامه وب Flask در HTML، Boostrap، Python

  • مدل YOLO را با داده های سفارشی آموزش دهید

  • برنامه وب را توسعه دهید و مدل YOLO را ادغام کنید


ما می دانیم که برنامه وب مبتنی بر دید کامپیوتری یکی از آن موضوعاتی است که همیشه شک و تردیدهایی را به وجود می آورد. به راحتی می توانید سوالات خود را در QA بپرسید و ما بسیار خوشحالیم که به همه سوالات شما پاسخ می دهیم.

ما همچنین همه Notebookها، فایل‌های py را در منابع ارائه کردیم که برای مرجع مفید خواهند بود.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • معماری پروژه Project Architecture

  • آناکوندا پایتون را نصب کنید Install Anaconda Python

  • OpenCV و TensorFlow 2.x را نصب کنید Install OpenCV and TensorFlow 2.x

  • منابع را دانلود کنید Download the Resources

  • با مشکلی در دوره مواجه هستید؟ راه حل اینجاست Facing Any issue with the Course ? here is the solution.

برچسب زدن Labeling

  • داده ها را دریافت کنید Get the Data

  • دانلود ابزار حاشیه نویسی تصویر Download Image Annotation Tool

  • Dependencies را نصب کنید Install Dependencies

  • برچسب گذاری تصاویر Label Images

  • خطا: LabelImg پس از کلیک بر روی "Create RectBox" خراب می شود Error: LabelImg Crashing after clicking on "Create RectBox"

  • XML به CSV XML to CSV

پردازش داده ها Data Processing

  • داده ها را بخوانید Read Data

  • داده های برچسب گذاری شده را تأیید کنید Verify Labeled Data

  • پیش پردازش داده ها Data Preprocessing

  • قطار اسپلیت و مجموعه تست Split train and test set

یادگیری عمیق برای تشخیص اشیا Deep Learning for Object Detection

  • منابع را دانلود کنید Download the Resources

  • آموزش انتقال را از TensorFlow 2.x دریافت کنید Get Transfer Learning from TensorFlow 2.x

  • ساختمان مدل InceptionResnet V2 InceptionResnet V2 model building

  • تعریف ورودی ها و خروجی ها Defining Inputs and Outputs

  • مدل کامپایل Compiling Model

  • آموزش InceptionResnet V2 InceptionResnet V2 Training

  • آموزش InceptionResnet V2 - قسمت 2 InceptionResnet V2 Training - Part 2

  • ذخیره مدل یادگیری عمیق Save Deep Learning Model

  • تانسوربرد Tensorboard

مدل تشخیص شیء خط لوله Pipeline Object Detection Model

  • پیش بینی کنید Make Predictions

  • قسمت 2 را پیش بینی کنید Make Predictions part2

  • خروجی را از حالت عادی خارج کنید De-normalize the Output

  • جعبه مرزی Bounding Box

  • خط لوله ایجاد کنید Create Pipeline

تشخیص کاراکتر نوری (OCR) Optical Character Recognition (OCR)

  • Tesseract را نصب کنید Install Tesseract

  • Pytesseract را نصب کنید Install Pytesseract

  • متن پلاک شماره را از تصویر استخراج کنید Extract Number Plate text from Image

  • محدودیت های Pytesseract Limitations of Pytesseract

  • چالش ها و فراتر از محدوده دوره Challenges & Beyond the Scope of Course

اپلیکیشن فلاسک Flask App

  • کد ویژوال استودیو را نصب کنید Install Visual Studio Code

  • اولین برنامه فلاسک First Flask App

  • رندر قالب HTML Render HTML Template

  • واردات بوسترپ Import Boostrap

برنامه وب شماره پلاک Number Plate Web App

  • برنامه وب Flask را برای مرجع خود دانلود کنید Download the Flask Web App for your Reference

  • وب اپلیکیشن ایجاد کنید Create Web App

  • پاورقی Footer

  • وراثت قالب Template Inheritance

  • آپلود فرم در HTML Upload Form in HTML

  • روش HTTP آپلود فایل در فلاسک HTTP Method Upload File in Flask

  • ادغام مدل تشخیص اشیاء یادگیری عمیق Integrate Deep Learning Object Detection Model

  • ادغام تشخیص پلاک شماره و OCR به برنامه فلاسک Integrate Number Plate Detection and OCR to Flask App

  • نمایش خروجی در صفحه HTML Display Output in HTML Page

  • نمایش خروجی در صفحه HTML قسمت 2 Display Output in HTML Page part 2

  • کد به روز شده Updated Code

تشخیص بیدرنگ شماره پلاک با YOLO Real Time Number Plate Recognition with YOLO

  • منابع را دانلود کنید Download the Resources

  • مقدمه ای بر YOLO Introduction to YOLO

  • آماده سازی داده ها برای Yolo Data Preparation for Yolo

  • کد آماده سازی داده برای سیستم عامل مک و لینوکس Data Preparation Code for MAC and Linux OS

  • آماده سازی ساختار پوشه تصاویر برای YOLO Preparing Images folder structure for YOLO

  • داده های بیشتر More Data

  • فایل "yaml" را برای داده های YOLO ایجاد کنید Create "yaml" file for YOLO data

  • چالش های آموزش یولو Challenges in Training Yolo

  • Google Colab را نصب و راه اندازی کنید Install and Setting up Google Colab

  • نوت بوک خود را به GPU وصل کنید Connect your notebook to GPU

  • آموزش مدل YOLO Training YOLO model

  • آپدیت جدید در آموزش مدل YOLO New update in training YOLO model

  • ذخیره مدل YOLO برای سازگار با OpenCV Save YOLO Model for OpenCV compatible

  • به روز رسانی جدید در Export مدل YOLO در ONNX New Update in Export YOLO model in ONNX

  • تفسیر نتایج Interpreting Results

  • پیش بینی نتایج از YOLO Predicting Results from YOLO

  • پیش بینی نتایج از YOLO: جعبه های محدود کننده را دریافت کنید Predicting Results from YOLO: Get Bounding Boxes

  • پیش بینی نتایج از YOLO: اعمال عدم حداکثر سرکوب در جعبه محدود Predicting Results from YOLO: Apply Non Maximum Suppression on Bounding Box

  • پیش بینی نتایج از YOLO: Draw Bounding Box Predicting Results from YOLO: Draw Bounding Box

  • کد را پاک کنید و توابع را ایجاد کنید Clean the Code and Create Functions

  • تشخیص بیدرنگ صفحه با YOLO (در ویدیوها) Real Time plate detection with YOLO (on videos)

  • خطا خطا خطا !!! Error Error Error !!!

  • استخراج متن از پلاک Extract Text from License plate

کد برنامه وب پلاک شماره YOLO YOLO Number Plate Web App Code

  • تمرین کدنویسی Coding Exercise

  • راه حل کد برنامه وب شماره پلاک YOLO YOLO Number Plate Web App Code Solution

جایزه BONUS

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش YOLO: برنامه تشخیص خودکار پلاک خودرو و استخراج متن
جزییات دوره
5.5 hours
76
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,143
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data Science Anywhere Team Data Science Anywhere Team

تیم مهندس و توسعه دهندگان سلام ، ما تیمی متشکل از کارشناسان یادگیری ماشین ، توسعه دهندگان هوش مصنوعی هستیم که با هم همکاری می کنند تا وضعیت هنر هوش مصنوعی را پیشرفت دهند. وقتی دوره های جدید آزاد می شوید ، با پرسش و پاسخ و بسیاری موارد دیگر از ما می شنوید. ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. با تشکر، تیم Data Science Anywhere

Srikanth Gusksra Srikanth Gusksra

توسعه دهنده هوش مصنوعی سلام به همه ، ما تیم دانشمندان داده هستیم و در طول دوره با شما همراه خواهیم بود. ما به تمام س yourالات شما در رابطه با دوره پاسخ خواهیم داد و اگر در اجرای کد ساختار دارید ، به شما کمک می کنیم خطاها را برطرف کنید. بسیار سپاسگزارم و یادگیری مبارک. علم داده در هر کجا

Convolution Academy Convolution Academy

تیم