Struttura del corso

Introduzione

Panoramica delle Caratteristiche e dell'Architettura dei Modelli Pre-addestrati YOLO

  • L'Algoritmo YOLO
  • Algoritmi a Base Regressione per il Rilevamento di Oggetti
  • Come 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 Darknet
  • L'Implementazione PyTorch e Keras
  • Esecuzione di OpenCV e NumPy

Panoramica del Rilevamento di Oggetti Utilizzando Modelli Pre-addestrati YOLO

Creazione e Personalizzazione di Applicazioni Python a Riga di Comando

  • Etichettatura delle Immagini Utilizzando il Framework YOLO
  • Classificazione delle Immagini Basata su un Set di Dati

Rilevamento di Oggetti nelle Immagini con Implementazioni YOLO

  • Come Funzionano le Bounding Boxes?
  • Quanto è Preciso YOLO per la Segmentazione delle Istanze?
  • Parsing degli Argomenti a Riga di Comando

Estrazione delle Etichette di Classe, Coordinare e Dimensioni con YOLO

Visualizzazione delle Immagini Risultanti

Rilevamento di Oggetti in Flussi Video con Implementazioni YOLO

  • Come è Diverso dal Processamento Basic delle Immagini?

Formazione e Test delle Implementazioni YOLO su un Framework

Risoluzione dei Problemi e Debugging

Sommario e Conclusione

Requisiti

  • Esperienza di programmazione Python 3.x
  • Conoscenze di base di qualsiasi IDE Python
  • Esperienza con argparse e argomenti a riga di comando di Python
  • Comprendere le librerie di visione artificiale e apprendimento automatico
  • Conoscenza dei concetti fondamentali degli algoritmi di rilevamento di oggetti

Pubblico

  • Sviluppatori Backend
  • Data Scientists
 7 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative