در این دوره آموزشی، آشکارساز شی خود را با استفاده از الگوریتمهای YOLO v3-v4 آموزش خواهید داد.
در ابتدا، YOLO v3-v4 را که قبلاً آموزش داده اید را روی مجموعه داده COCO پیاده سازی خواهید کرد. شما اشیاء را روی تصویر، ویدئو و در زمان واقعی توسط کتابخانه یادگیری عمیق OpenCV شناسایی خواهید کرد. قالبهای کد را میتوانید بعداً در پروژههای آینده خود ادغام کنید و از آنها برای آشکارسازهای YOLO آموزشدیده خود استفاده کنید.
پس از آن، مجموعه دادههای فردی را برچسبگذاری میکنید و همچنین با استخراج تصاویر مورد نیاز از مجموعه دادههای عظیم موجود، یک مجموعه سفارشی ایجاد میکنید.
در مرحله بعد، مجموعه داده علائم ترافیکی را به فرمت YOLO تبدیل خواهید کرد. الگوهای کد برای تبدیل را میتوانید در کارهای آینده خود تغییر دهید و برای سایر مجموعههای داده اعمال کنید.
وقتی مجموعههای داده آماده شدند، آشکارسازهای YOLO v3-v4 را در چارچوب Darknet آموزش و آزمایش خواهید کرد.
در مورد قسمت Bonus، شما رابط کاربری گرافیکی برای تشخیص اشیا توسط YOLO و با کمک PyQt ایجاد خواهید کرد. این پروژه را می توانید به عنوان نتایج خود به سرپرست خود معرفی کنید یا در حضور همکلاسی ها ارائه دهید یا حتی آن را در رزومه خود ذکر کنید.
سازمان محتوا . هر بخش از دوره شامل:
استسخنرانی های ویدئویی
فعالیت های کدگذاری
الگوهای کد
آزمونها
دستورالعمل های قابل دانلود
فرصت های بحث
سخنرانیهای ویدیویی دوره دارای اهداف هوشمندانه هستند:
S - خاص (سخنرانی اهداف خاصی دارد)
M - قابل اندازهگیری (نتایج معقول هستند و میتوانند کمیت شوند)
الف - قابل دستیابی (سخنرانی دارای مراحل روشنی برای دستیابی به اهداف است)
R - نتیجه گرا (نتایج را می توان تا پایان سخنرانی به دست آورد)
T - زمان گرا (نتایج را می توان در بازه زمانی قابل مشاهده به دست آورد)
بینایی کامپیوتر، یادگیری ماشین، پردازش تصویر
نمایش نظرات