تشخیص اشیاء در ویدیو با YOLOv8: آموزش و پیاده سازی با پایتون بر روی مجموعه داده سفارشی - آخرین آپدیت

دانلود YOLOv8: Video Object Detection with Python on Custom Dataset

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

YOLOv8: تشخیص اشیاء در ویدیو با پایتون - آموزش و پیاده‌سازی

YOLOv8، جدیدترین نسل از مدل‌های تشخیص اشیاء، امکان تشخیص سریع و دقیق اشیاء در ویدیوها را فراهم می‌کند. در این دوره، با استفاده از پایتون، آموزش و پیاده‌سازی مدل YOLOv8 را بر روی مجموعه داده‌های سفارشی خود یاد می‌گیرید.

تشخیص اشیاء در ویدیو با YOLOv8:

YOLOv8 با معماری شبکه عصبی عمیق (Deep Learning) خود، امکان تشخیص اشیاء در زمان واقعی را فراهم می‌کند. این مدل، در زمینه‌های مختلفی مانند:

  • تشخیص بازیکن، توپ و داور در ویدیوهای فوتبال
  • تشخیص وسایل نقلیه (آمبولانس، اتوبوس، ماشین، موتور سیکلت، کامیون) در ترافیک
  • پایش و نظارت تصویری
  • تحلیل داده‌های ورزشی
  • و بسیاری کاربردهای دیگر قابل استفاده است.

YOLO چیست و چگونه کار می‌کند؟

YOLO مخفف عبارت "You Only Look Once" است و یک رویکرد نوآورانه در تشخیص اشیاء است. برخلاف مدل‌های قدیمی‌تر، YOLO کل تصویر را در یک مرحله پردازش می‌کند و به طور همزمان، مکان و نوع اشیاء را شناسایی می‌کند. این ویژگی، باعث افزایش سرعت و کارایی YOLO در تشخیص اشیاء در ویدیوها می‌شود.

بررسی خانواده YOLO: از YOLOv2 تا YOLOv8

در این دوره، به بررسی تکامل مدل‌های YOLO از جمله YOLOv2، YOLOv3، YOLOv4، YOLOv5، YOLOv6، YOLOv7 و در نهایت YOLOv8 خواهیم پرداخت. همچنین، با معماری شبکه‌های عصبی کانولوشنی (CNN) و مدل‌های R-CNN (RCNN, Fast RCNN, Faster RCNN) آشنا خواهید شد.

آموزش YOLOv8 با مجموعه داده‌های سفارشی:

در این دوره، با پیکربندی مجموعه داده‌های سفارشی (مانند مجموعه داده بازیکنان فوتبال و وسایل نقلیه) برای آموزش مدل YOLOv8 آشنا خواهید شد. ما از Ultralytics YOLOv8 و تنظیمات هایپرپارامترهای آن استفاده خواهیم کرد.

مراحل آموزش، تست و پیاده‌سازی YOLOv8:

در این دوره، مراحل زیر را به صورت عملی انجام خواهید داد:

  • آموزش مدل YOLOv8 برای تشخیص بازیکن، داور و توپ در ویدیوهای فوتبال
  • آموزش مدل YOLOv8 برای تشخیص وسایل نقلیه (آمبولانس، اتوبوس، ماشین، موتور سیکلت، کامیون)
  • تست مدل‌های آموزش داده شده بر روی ویدیوها و تصاویر
  • پیاده‌سازی مدل YOLOv8 و خروجی گرفتن در فرمت مورد نیاز

معیارهای ارزیابی عملکرد مدل‌های تشخیص اشیاء:

در این دوره، با معیارهای ارزیابی عملکرد مدل‌های تشخیص اشیاء (مانند Precision، Recall و Mean Average Precision (mAP)) آشنا خواهید شد و نحوه محاسبه آن‌ها را یاد خواهید گرفت.

پیش‌نیازها:

  • برای شروع کار با Google Colab، به یک حساب Gmail نیاز دارید.
  • داشتن تجربه برنامه‌نویسی پایتون یک مزیت است، اما الزامی نیست.

YOLOv8: تشخیص اشیاء در ویدیو با پایتون بر روی مجموعه داده‌های سفارشی

پتانسیل YOLOv8 را باز کنید، یک فناوری پیشرفته که در تشخیص اشیاء در ویدیوها انقلابی ایجاد می‌کند. YOLOv8، یا "You Only Look Once"، یک شبکه عصبی عمیق کانولوشنال پیشرفته است که به دلیل سرعت و دقت در شناسایی اشیاء در ویدیوها مشهور است. در دوره "YOLOv8: تشخیص اشیاء در ویدیو با پایتون بر روی مجموعه داده‌های سفارشی"، کاربردهای آن را در سناریوهای مختلف دنیای واقعی بررسی خواهید کرد. در این دوره، مروری بر تمام انواع YOLO خواهید داشت، جایی که تشخیص اشیاء در زمان واقعی را با آخرین نسخه 8 YOLO انجام خواهید داد که در مقایسه با نسخه‌های قبلی YOLO بسیار سریع و دقیق است. YOLOv8 یک تصویر کامل را در یک مرحله پردازش می‌کند تا جعبه محدود کننده شی و کلاس آن را پیش‌بینی کند و تشخیص اشیاء را از نظر محاسباتی کارآمد می‌کند. YOLOv8 در پنج نوع بر اساس تعداد پارامترها ارائه می‌شود - نانو(n)، کوچک(s)، متوسط(m)، بزرگ(l) و بسیار بزرگ(x). می‌توانید از تمام انواع برای تشخیص اشیاء با توجه به نیاز خود استفاده کنید.

YOLOv8 یک چارچوب هوش مصنوعی است که از چندین وظیفه بینایی رایانه پشتیبانی می‌کند. YOLOv8 می‌تواند برای انجام تشخیص اشیاء، تقسیم‌بندی تصویر، طبقه‌بندی و تخمین حالت استفاده شود. سرعت و دقت تشخیص YOLOv8 آن را برای برنامه‌های کاربردی زمان واقعی مانند تشخیص اشیاء در ویدیوها و نظارت در مقایسه با سایر آشکارسازهای شی بسیار محبوب می‌کند. تصور کنید YOLOv8 را برای نظارت بر فضاهای عمومی شلوغ برای امنیت، ردیابی بدون زحمت اشیاء در ویدیوهای نظارتی یا بهبود قابلیت‌های ادراک وسایل نقلیه خودمختار مستقر کنید. شاهد قابلیت‌های آن در تجزیه و تحلیل ورزشی باشید، دقیقاً بازیکنان و اقدامات را در سناریوهای بازی پویا مانند مسابقات فوتبال تشخیص دهید. به تجزیه و تحلیل خرده فروشی بپردازید، جایی که YOLOv8 می‌تواند مدیریت موجودی و تجربه مشتری را با ردیابی محصولات و حرکات افراد بهینه کند.

تشخیص اشیاء وظیفه‌ای است که شامل شناسایی موقعیت و کلاس اشیاء در یک تصویر یا جریان ویدیویی است. خروجی یک آشکارساز شی مجموعه‌ای از جعبه‌های محدود کننده است که اشیاء را در تصویر محصور می‌کنند، همراه با برچسب‌های کلاس و امتیازهای اطمینان برای هر جعبه. تشخیص اشیاء انتخاب خوبی است زمانی که نیاز دارید اشیاء مورد نظر را در یک صحنه شناسایی کنید. این دوره خط لوله کامل را با تجربه عملی تشخیص اشیاء با استفاده از معماری یادگیری عمیق YOLOv8 با پایتون و PyTorch به شرح زیر پوشش می‌دهد:


سرفصل‌های دوره: نتایج کلیدی یادگیری

  • YOLOv8 برای تشخیص اشیاء در ویدیو در زمان واقعی با پایتون
  • آموزش، آزمایش YOLO8 بر روی مجموعه داده‌های سفارشی و استقرار در پروژه‌های خود
  • مقدمه‌ای بر YOLO و معماری مبتنی بر شبکه عصبی عمیق کانولوشنال آن
  • YOLO چگونه برای تشخیص اشیاء کار می‌کند؟
  • مروری بر CNN، RCNN، Fast RCNN و Faster RCNN
  • مروری بر خانواده YOLO (YOLOv2، YOLOv3، YOLOv4، YOLOv5، YOLOv6، YOLOv7 )
  • YOLOv8 چیست و معماری آن چیست؟
  • پیکربندی مجموعه داده‌های سفارشی بازیکن فوتبال برای تشخیص اشیاء
  • راه‌اندازی Google Colab برای نوشتن کد پایتون
  • Ultralytics YOLOv8 و تنظیمات هایپرپارامترهای آن
  • آموزش YOLOv8 برای تشخیص بازیکن، داور و فوتبال
  • آزمایش مدل‌های آموزش داده شده YOLOv8 بر روی ویدیوها و تصاویر
  • استقرار YOLOv8: صادر کردن مدل به فرمت مورد نیاز

این دوره به شما تجربه عملی می‌دهد و شما را قادر می‌سازد تا قابلیت‌های YOLOv8 را در موارد استفاده خاص خود اعمال کنید. با تسلط بر تشخیص اشیاء در ویدیو با پایتون و YOLOv8، شما آماده خواهید بود تا در نوآوری‌ها در زمینه‌های مختلف مشارکت کنید و آینده برنامه‌های کاربردی بینایی رایانه را تغییر دهید. به ما بپیوندید و امکانات بی حد و حصر YOLOv8 را در دنیای واقعی کشف کنید! من کد پایتون کامل و مجموعه داده‌ها را برای تشخیص اشیاء در زمان واقعی ویدیو با پایتون در اختیار شما قرار می‌دهم، تا بتوانید در کمترین زمان شروع کنید. بیایید اکنون ثبت نام کنیم و شروع کنیم. شما را در کلاس می‌بینم.


سرفصل ها و درس ها

Introduction to Object Detection-مقدمه ای بر تشخیص اشیا Introduction to Object Detection

  • Introduction to Course-مقدمه ای بر دوره Introduction to Course

  • Introduction to Object Detection-مقدمه ای بر تشخیص اشیا Introduction to Object Detection

What is YOLO and How it Works for Object Detection?-یولو چیست و چگونه برای تشخیص اشیا کار می کند؟ What is YOLO and How it Works for Object Detection?

  • What is YOLO ?-یولو چیست؟ What is YOLO ?

  • How YOLO works for Object Detection ?-یولو چگونه برای تشخیص اشیا کار می کند؟ How YOLO works for Object Detection ?

Overview of CNN, RCNN, Fast RCNN, and Faster RCNN-مروری بر CNN، RCNN، Fast RCNN و Faster RCNN Overview of CNN, RCNN, Fast RCNN, and Faster RCNN

  • Overview of CNN, RCNN, Fast RCNN, and Faster RCNN-مروری بر CNN، RCNN، Fast RCNN و Faster RCNN Overview of CNN, RCNN, Fast RCNN, and Faster RCNN

  • YOLOs vs RCNNs-یولوها در مقابل RCNNها YOLOs vs RCNNs

YOLO Family (YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7 )-خانواده یولو (YOLOv2، YOLOv3، YOLOv4، YOLOv5، YOLOv6، YOLOv7) YOLO Family (YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7 )

  • Intro to YOLO Family-مقدمه ای بر خانواده یولو Intro to YOLO Family

  • Reading: YOLO-You Only Look Once-مطالعه: یولو - فقط یک بار نگاه کن Reading: YOLO-You Only Look Once

  • YOLOv2-یولو وی 2 YOLOv2

  • Reading: YOLO9000: Better, Faster, Stronger-مطالعه: یولو 9000: بهتر، سریعتر، قوی تر Reading: YOLO9000: Better, Faster, Stronger

  • YOLOv3-یولو وی 3 YOLOv3

  • Reading: YOLOv3: An Incremental Improvement-مطالعه: یولو وی 3: یک بهبود تدریجی Reading: YOLOv3: An Incremental Improvement

  • YOLOv4-یولو وی 4 YOLOv4

  • Reading: YOLOv4: Optimal Speed and Accuracy of Object Detection-مطالعه: یولو وی 4: سرعت و دقت بهینه تشخیص اشیا Reading: YOLOv4: Optimal Speed and Accuracy of Object Detection

  • YOLOv5-یولو وی 5 YOLOv5

  • Reading: EfficientDet: Scalable and Efficient Object Detection-مطالعه: EfficientDet: تشخیص اشیا مقیاس پذیر و کارآمد Reading: EfficientDet: Scalable and Efficient Object Detection

  • YOLOv6-یولو وی 6 YOLOv6

  • Reading: YOLOv6: Object Detection Framework for Industrial Applications-مطالعه: یولو وی 6: چارچوب تشخیص اشیا برای کاربردهای صنعتی Reading: YOLOv6: Object Detection Framework for Industrial Applications

  • YOLOv7-یولو وی 7 YOLOv7

  • Reading: YOLOv7: Trainable bag-of-freebies sets for real-time Object Detectors-مطالعه: یولو وی 7: مجموعه آموزش پذیر "bag-of-freebies" برای ردیاب های اشیا بلادرنگ Reading: YOLOv7: Trainable bag-of-freebies sets for real-time Object Detectors

YOLOv8 for Real-Time Object Detection-یولو وی 8 برای تشخیص اشیا بلادرنگ YOLOv8 for Real-Time Object Detection

  • YOLOv8 Introduction and Architecture-معرفی و معماری یولو وی 8 YOLOv8 Introduction and Architecture

  • YOLOv8 Object Detection with Python-تشخیص اشیا یولو وی 8 با پایتون YOLOv8 Object Detection with Python

Custom Football Player Detection Dataset-مجموعه داده سفارشی تشخیص بازیکن فوتبال Custom Football Player Detection Dataset

  • Custom Football Player Detection Dataset-مجموعه داده سفارشی تشخیص بازیکن فوتبال Custom Football Player Detection Dataset

  • Football Dataset and Test Vidoes-مجموعه داده فوتبال و ویدیوهای تست Football Dataset and Test Vidoes

Annotate Your Own Dataset for Object Detection-حاشیه نویسی مجموعه داده خود برای تشخیص اشیا Annotate Your Own Dataset for Object Detection

  • Annotation tools to Label Your Own Dataset for Object Detection-ابزارهای حاشیه نویسی برای برچسب زدن مجموعه داده خود برای تشخیص اشیا Annotation tools to Label Your Own Dataset for Object Detection

Setting-up Google Colab for Writing Python Code-راه اندازی گوگل کولب برای نوشتن کد پایتون Setting-up Google Colab for Writing Python Code

  • Setting-up Google Colab for Writing Python Code-راه اندازی گوگل کولب برای نوشتن کد پایتون Setting-up Google Colab for Writing Python Code

  • Connect Google Colab With Google Drive To Read And Write Data-اتصال گوگل کولب به گوگل درایو برای خواندن و نوشتن داده ها Connect Google Colab With Google Drive To Read And Write Data

YOLOv8 Ultralytics and its HyperParameters Settings-یولو وی 8 اولترالیتیکس و تنظیمات هایپرپارامترهای آن YOLOv8 Ultralytics and its HyperParameters Settings

  • YOLOv8 Ultralytics and its HyperParameters Settings-یولو وی 8 اولترالیتیکس و تنظیمات هایپرپارامترهای آن YOLOv8 Ultralytics and its HyperParameters Settings

  • Python Code-کد پایتون Python Code

Training YOLOv8 for Player, Referee and Football Detection-آموزش یولو وی 8 برای تشخیص بازیکن، داور و فوتبال Training YOLOv8 for Player, Referee and Football Detection

  • Training YOLOv8 for Player, Referee and Football Detection-آموزش یولو وی 8 برای تشخیص بازیکن، داور و فوتبال Training YOLOv8 for Player, Referee and Football Detection

  • Python Code for Model Training-کد پایتون برای آموزش مدل Python Code for Model Training

Testing YOLOv8 on Videos and Images-تست یولو وی 8 بر روی ویدیوها و تصاویر Testing YOLOv8 on Videos and Images

  • Testing YOLOv8 on Videos and Images-تست یولو وی 8 بر روی ویدیوها و تصاویر Testing YOLOv8 on Videos and Images

  • Python Code for Testing YOLO8 on Videos and Images-کد پایتون برای تست یولو وی 8 بر روی ویدیوها و تصاویر Python Code for Testing YOLO8 on Videos and Images

Deploy YOLOv8: Export Model to Required Format-استقرار یولو وی 8: خروجی گرفتن مدل به فرمت مورد نیاز Deploy YOLOv8: Export Model to Required Format

  • Deploy YOLOv8: Export to Model to Required Format-استقرار یولو وی 8: خروجی گرفتن مدل به فرمت مورد نیاز Deploy YOLOv8: Export to Model to Required Format

  • Python Code to Export YOLO8 for Deployment-کد پایتون برای خروجی گرفتن یولو وی 8 برای استقرار Python Code to Export YOLO8 for Deployment

Resources: Football Player Detection Complete Code and Dataset-منابع: کد کامل و مجموعه داده تشخیص بازیکن فوتبال Resources: Football Player Detection Complete Code and Dataset

  • Football Player Detection with YOLO8 Code and Dataset-تشخیص بازیکن فوتبال با کد و مجموعه داده یولو وی 8 Football Player Detection with YOLO8 Code and Dataset

Vehicles Detection in Videos with YOLO8 on Custom Vehicles Dataset-تشخیص وسایل نقلیه در ویدیوها با یولو وی 8 بر روی مجموعه داده سفارشی وسایل نقلیه Vehicles Detection in Videos with YOLO8 on Custom Vehicles Dataset

  • Custom Vehicles Detection Dataset-مجموعه داده سفارشی تشخیص وسایل نقلیه Custom Vehicles Detection Dataset

  • HyperParameters Settings for YOLO8-تنظیمات هایپرپارامترها برای یولو وی 8 HyperParameters Settings for YOLO8

  • Training YOLO8 on Vehicles Dataset-آموزش یولو وی 8 بر روی مجموعه داده وسایل نقلیه Training YOLO8 on Vehicles Dataset

  • Testing YOLO8 on Videos and Images-تست یولو وی 8 بر روی ویدیوها و تصاویر Testing YOLO8 on Videos and Images

  • Calculate Performance Metrics (Precision, Recall, Mean Average Precision mAP)-محاسبه معیارهای عملکرد (دقت، بازیابی، میانگین دقت متوسط mAP) Calculate Performance Metrics (Precision, Recall, Mean Average Precision mAP)

  • Deploy YOLO8-استقرار یولو وی 8 Deploy YOLO8

  • Resources: Videos Vehicles Detection Complete Code and Dataset-منابع: کد کامل و مجموعه داده ویدیوهای تشخیص وسایل نقلیه Resources: Videos Vehicles Detection Complete Code and Dataset

Bonus Lecture: Video Segmentation, Semantic Segmentation & Classificatification-جلسه جایزه: تقسیم بندی ویدیو، تقسیم بندی معنایی و طبقه بندی Bonus Lecture: Video Segmentation, Semantic Segmentation & Classificatification

  • Video Instance Segmentation, Semantic Segmentation & Classification with Python-تقسیم بندی نمونه های ویدیویی، تقسیم بندی معنایی و طبقه بندی با پایتون Video Instance Segmentation, Semantic Segmentation & Classification with Python

نمایش نظرات

تشخیص اشیاء در ویدیو با YOLOv8: آموزش و پیاده سازی با پایتون بر روی مجموعه داده سفارشی
جزییات دوره
3 hours
44
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
472
4.3 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

Dr Mazhar Hussain Dr Mazhar Hussain

یادگیری عمیق، بینایی کامپیوتر، هوش مصنوعی و پایتون | مدرس CS

AI   Computer Science School AI Computer Science School

هوش مصنوعی، یادگیری عمیق و دید کامپیوتر را با پایتون بیاموزید