لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تشخیص ماسک صورت: برنامه دسکتاپ مبتنی بر یادگیری عمیق
دانلود Face Mask Recognition: Deep Learning based Desktop App
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش و ساخت تشخیص چهره برای برنامه دسکتاپ تشخیص ماسک با استفاده از Python، TensorFlow 2، OpenCV، PyQT، تشخیص چهره Qt برای تشخیص ماسک با یادگیری عمیق توسعه شبکه Convolutional Network برای ماسک صورت از ابتدا با استفاده از TensorFlow پیش پردازش داده های بزرگ برای تصویر OpenC Detection Computer Vision Desktop Application با PyQt PyQt Essential Concepts پیش نیازها: دانش پایه پایتون آشنا با Tensor Flow و Deep Learning آشنا با Numpy و Pandas
پروژه ای که در حال توسعه آن خواهید بود:
پیش نیاز پروژه: OpenCV
پردازش تصویر با OpenCV
بخش -0: راه اندازی پروژه
پایتون را نصب کنید
وابسته ها را نصب کنید
بخش -1: پیش پردازش داده
تصاویر جمع آوری کنید
فقط چهرهها را از تصاویر استخراج کنید
برچسب گذاری (خروجی هدف) تصاویر
پیش پردازش داده
تصویر تفریق میانگین RGB
بخش - 2: توسعه مدل یادگیری عمیق
آموزش تشخیص چهره با مدل یادگیری عمیق OWN.
شبکه عصبی کانولوشنال
ارزیابی مدل
بخش - 3: پیش بینی با مدل CNN
1. قرار دادن همه با هم
بخش - 4: مبانی PyQT
بخش -5: برنامه دسکتاپ مبتنی بر PyQt
نمای کلی:
من دوره را با نصب پایتون و نصب کتابخانه های لازم در پایتون برای توسعه پروژه پایان به انتها شروع می کنم. سپس یکی از پیش نیازهای دوره یعنی تکنیک های پردازش i mage در OpenCV و مفاهیم ریاضی پشت تصاویر را به شما آموزش می دهم. همچنین تجزیه و تحلیل تصویر لازم و مراحل پیش پردازش مورد نیاز برای تصاویر را انجام خواهیم داد. سپس یک پروژه کوچک در تشخیص چهره با استفاده از OpenCV و شبکه های عصبی عمیق انجام خواهیم داد.
با مفاهیم اولیه تصویر، سپس فاز 1 پروژه خود را شروع می کنیم، شناسایی چهره. من این مرحله را با پیش پردازش تصاویر شروع می کنم، با استفاده از شبکه های عصبی عمیق ویژگی هایی را از تصاویر استخراج می کنیم. سپس با ویژگی های چهره، مدل های مختلف یادگیری عمیق مانند شبکه عصبی کانولوشن را آموزش خواهیم داد. من انتخاب مدل و تنظیم هایپرپارامتر برای مدل های تشخیص چهره را به شما آموزش می دهم
هنگامی که مدل یادگیری عمیق ما آماده شد، به بخش 3 منتقل میشویم و کد پیشبینیها را با مدل CNN مینویسیم.
در نهایت، ما برنامه دسکتاپ را توسعه میدهیم و پخش زنده ویدیو را پیشبینی میکنیم.
منتظر چه هستید؟ دوره را با استفاده از یادگیری ماشینی، پایتون، پروژه برنامه کاربردی Computer Vision Flask Desktop خود را توسعه دهید و آن را با دستان خود در Cloud مستقر کنید.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
با مشکلی در دوره مواجه هستید؟ راه حل اینجاست
Facing any issue with course? Here is the solution
راه اندازی پروژه
Setting Up Project
پایتون را نصب کنید
Install Python
ایجاد محیط مجازی در پایتون
Create Virtual Environment in Python
کتابخانه هایی مانند TensorFlow 2، OpenCV و غیره را نصب کنید.
Install Libraries like TensorFlow 2, OpenCV etc.
آماده سازی و پیش پردازش داده ها
Data Preparation & Preprocessing
دانلود منابع
Download Resources
داده ها
Data
فرآیند آماده سازی داده ها
Data Preparation Process
دانلود داده ها از منابع
Downloading Data From Resources
آماده سازی داده ها: کتابخانه های مورد نیاز پایتون را وارد کنید
Data Preparation: Import Required Python Libraries
آماده سازی داده: تمام مسیر تصاویر را در پوشه دریافت کنید
Data Preparation: Get all Images Path in Folder
آماده سازی داده ها: برچسب گذاری
Data Preparation: Labeling
آمادهسازی دادهها: مسیر تصاویر و برچسبگذاری تصاویر را در چندین پوشه دریافت کنید
Data Preparation: Get Images Path and Labelling Images in multiple Folders
مرحله - 3، تشخیص چهره
Step - 3, Face Detection
تشخیص چهره: خواندن تصویر
Face Detection: Read Image
تشخیص چهره: مدل بار
Face Detection: Load Model
تشخیص چهره: لکه از تصویر
Face Detection: Blob from Image
باکس مرزی برای چهره شناسایی شده را بکشید
Draw Bounding Box for Detected Face
مرحله - 4، چهره شناسایی شده را برش دهید
Step - 4, Crop the Detected Face
مرحله - 5، پردازش تصویر - حباب از تصویر (تصویر تفریق میانگین RGB)
Step - 5, Image Processing - Blob from Image (RGB mean subtraction image)
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
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
نمایش نظرات