آموزش YOLO: تشخیص شی سفارشی و برنامه وب در پایتون

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• درک تشخیص شی Understanding Object Detection

• پایتون را نصب کنید Install Python

• محیط مجازی را نصب کنید Install Virtual Environment

• بسته های پایتون را نصب کنید Install Python Packages

• بایدها و نبایدها در جمع آوری داده ها و برچسب گذاری Do's & Don'ts in Data Collection and Labeling

• پایتون و داده کامل را دانلود کنید Download Complete Python & Data

آماده سازی داده ها Data Preparation

• کاری که در این بخش انجام خواهیم داد What we will do in this section

• جمع آوری داده ها Collect Data

• برچسب زدن Labeling

• دریافت لیست فایل های XML در پایتون Get List of XML files in Python

• خواندن و استخراج داده های برچسب ها از فایل های XML Read & Extract Labels Data from XML files

• خواندن و استخراج داده های برچسب ها از فایل های XML part2 Read & Extract Labels Data from XML files part2

• اطلاعات Labels را به Pandas Dataframe تبدیل کنید Convert Labels information into Pandas Dataframe

• برچسب برای مدل YOLO Labels for YOLO model

• Labes را برای مدل YOLO در پایتون ایجاد کنید Create Labes for YOLO model in Python

• داده ها/تصاویر را به مجموعه های قطار و آزمایش تقسیم کنید Split Data/Images into train and test sets

• رمزگذاری برچسب برای اشیاء LABEL ENCODING TO OBJECTS

• پوشه Train & Test را ایجاد کنید Create Train & Test Folder

• ایجاد تابع و انتقال تصویر قطار و برچسب زدن متن در پوشه قطار Create Function and Move Train image, and label text in train folder

• تصاویر آزمایشی را منتقل کنید و متن را در پوشه آزمایش برچسب بزنید Move Test images, and label text in test folder

آموزش مدل YOLO Training YOLO Model

• فایل YAML ایجاد کنید Create YAML file

• منابع گوگل درایو Google Drive Resources

• راه اندازی Google Colab Setting Up Google Colab

• مخزن YOLO v5 را دریافت کنید Get YOLO v5 repository

• آموزش مدل YOLO v5 Training YOLO v5 model

• به روز رسانی جدید در آموزش فرماندهی New Update in Training Command

• مدل YOLO را ذخیره کنید Save YOLO model

• به روز رسانی جدید در مدل صادرات New update in export model

• نحوه از سرگیری آموزش How to Resume training

• نتایج و ارزیابی Results & Evaluation

پیش بینی از مدل YOLO Prediction from YOLO Model

• دانلود منابع Download Resources

• ما چه خواهیم کرد What we will do

• مرحله 1، فایل data.yaml را بارگیری کنید Step-1, Load data.yaml file

• مرحله 2: مدل YOLO را با OpenCV بارگیری کنید Step-2: Load YOLO model with OpenCV

• مرحله 3: تشخیص را از مدل YOLO دریافت کنید Step-3: Get detection from YOLO model

• تشخیص خروجی مدل YOLO را درک کنید Understand YOLO model output detections

• سرکوب غیر حداکثری - قسمت 1 Non Maximum Suppression - part 1

• سرکوب غیر حداکثری - قسمت 2 Non Maximum Suppression - part 2

• جعبه مرزی را رسم کنید Draw Bounding Box

• ماژول پیش بینی YOLO را ایجاد کنید Create YOLO Predictions Module

• تشخیص نهایی شی از تصویر با YOLO Final Object Detection from Image with YOLO

• تشخیص شی در زمان واقعی با YOLO Real Time Object Detection with YOLO

• خطا!!! Error !!!

مراحل بعدی Next Steps

• وب اپلیکیشن Web App

دوره کوتاه تصادفی Streamlit برای برنامه وب Streamlit Crash Course for Web App

• دوره تصادف Streamlit Streamlit Crash Course

• کد ویژوال استودیو را نصب کنید Install Visual Studio Code

• محیط مجازی را در VS Code فعال کنید Activate Virtual Environment in VS Code

• اولین برنامه Streamlit شما Your First Streamlit App

• Streamlit Basics قسمت - 1 Streamlit Basics part - 1

• Streamlit Basics قسمت - 2 Streamlit Basics part - 2

• Streamlit Basics قسمت - 3 Streamlit Basics part - 3

• طرح بندی ساده - پیکربندی صفحه Streamlit Layouts - page configuration

• طرح بندی های روشن - نوار کناری Streamlit Layouts - Side Bar

• طرح بندی های روشن - ستون ها Streamlit Layouts - Columns

• طرح بندی های روشن - زبانه ها Streamlit Layouts - Tabs

• ابزارک های ساده Streamlit Widgets

• ابزارک های روشن - دکمه رادیو Streamlit Widgets - Radio Button

• ویجت Streamlit - Selectbox Streamlit Widget - Selectbox

• ویجت Streamlit - لغزنده Streamlit Widget - Slider

• ابزارک های ساده - ورودی های متن Streamlit Widgets - Text Inputs

• ابزارک های Streamlit - آپلود فایل Streamlit Widgets - File Upload

• ابزارک های Streamlit - آپلود فایل قسمت - 2 Streamlit Widgets - File Upload part - 2

پروژه: توسعه وب اپلیکیشن برای مدل YOLO Project: Develop Web App for YOLO Model

• دانلود منابع Download Resources

• راه اندازی برنامه Setting Up App

• صفحه نخست Home Page

• برنامه YOLO - مدل YOLO را در برنامه بارگیری کنید YOLO App - Load YOLO model into app

• برنامه YOLO - قسمت - 2 YOLO App - part - 2

• برنامه YOLO - قسمت -3 YOLO App - part -3

• برنامه YOLO - قسمت - 4 YOLO App - part - 4

• برنامه YOLO - قسمت - 5 YOLO App - part - 5

• برنامه YOLO - قسمت - 6 YOLO App - part - 6

• برنامه YOLO برای تصاویر YOLO for Images App

• YOLO برای تشخیص اشیاء ویدیویی/واقعی قسمت - 1 YOLO for Video/Real Time Object Detection Part - 1

• YOLO برای تشخیص اشیاء ویدیویی/واقعی قسمت - 1 YOLO for Video/Real Time Object Detection Part - 1

جایزه BONUS

• سخنرانی پاداش Bonus Lecture