پروژه تشخیص حرکات یوگا یک دوره عملی و مبتنی بر پروژه است که شما را در ساخت یک مدل یادگیری ماشین قادر به طبقهبندی حرکات مختلف یوگا از روی تصاویر راهنمایی میکند. با استفاده از ResNet50، یک شبکه عصبی کانولوشنی از پیش آموزشدیده قدرتمند، یک طبقهبندیکننده حرکات یوگا با عملکرد بالا مناسب برای اپلیکیشنهای تناسب اندام ایجاد خواهید کرد.
آنچه یاد خواهید گرفت:
۱. جمعآوری مجموعه داده حرکات یوگا
تکنیکهای پیشپردازش تصویر شامل تغییر اندازه، نرمالسازی و افزایش داده (data augmentation)
تقسیم دادهها به مجموعههای آموزش، اعتبارسنجی و تست
۲. شروع کار با ResNet50
آشنایی با معماری ResNet50 و چرایی مناسب بودن آن برای وظایف طبقهبندی تصویر.
پیشپردازش دادههای تصویری برای آموزش کارآمد مدل.
۳. آموزش و ارزیابی مدل
کامپایل و آموزش مدل با استفاده از ResNet50
۴. پیادهسازی و استقرار
چرا این دوره را بگذرانید؟
کسب تجربه عملی در زمینه بینایی کامپیوتر و یادگیری انتقالی (transfer learning)
ساخت یک پروژه یادگیری ماشین عملی با کاربردهای واقعی در حوزه تناسب اندام
یادگیری پردازش دادههای تصویری و اعمال مدلهای یادگیری عمیق بر روی مسائل طبقهبندی
در پایان این دوره، شما مهارتها و تجربه لازم برای ساخت و استقرار یک مدل یادگیری عمیق برای طبقهبندی حرکات یوگا با استفاده از ResNet50 را خواهید داشت.
ARUNNACHALAM SHANMUGARAAJAN
دانشجوی علوم کامپیوتر
نمایش نظرات