Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
Panoramica dei modelli pre-addestrati YOLO, caratteristiche e architettura
- L'algoritmo YOLO
- Algoritmi basati sulla regressione per il rilevamento di oggetti
- In che modo YOLO è diverso da RCNN?
Utilizzo della variante YOLO appropriata
- Caratteristiche e architettura di YOLOv1-v2
- Caratteristiche e architettura di YOLOv3-v4
Installazione e configurazione dell'IDE per le implementazioni YOLO
- L'implementazione della darknet
- Le implementazioni di pyTorch e keras
- Esecuzione di OpenCV e NumPy
Panoramica del rilevamento di oggetti utilizzando i modelli pre-addestrati YOLO
Creazione e personalizzazione di Python applicazioni a riga di comando
- Etichettare le immagini usando il framework YOLO
- Classificazione delle immagini in base a un set di dati
Rilevamento di oggetti nelle immagini con le implementazioni YOLO
- Come funzionano i riquadri di delimitazione?
- Quanto è accurato YOLO per la segmentazione delle istanze?
- Analisi degli argomenti della riga di comando
Estrazione delle etichette, delle coordinate e delle quote della classe YOLO
Visualizzazione delle immagini risultanti
Rilevamento di oggetti nei flussi video con le implementazioni YOLO
- In che modo è diverso dall'elaborazione delle immagini di base?
Formazione e test delle implementazioni di YOLO su un framework
Risoluzione dei problemi e debug
Riassunto e conclusione
Requisiti
- Python Esperienza di programmazione 3.x
- Conoscenza di base di qualsiasi IDE Python
- Esperienza con Python argparse e argomenti della riga di comando
- Comprensione delle librerie di computer vision e machine learning
- Comprensione degli algoritmi fondamentali di rilevamento degli oggetti
Pubblico
- Sviluppatori backend
- Scienziati dei dati
7 ore
Recensioni (1)
I genuinely enjoyed the hands-on approach.
