Cursusaanbod
Inleiding
Overzicht van de functies en architectuur van YOLO voorgeleerde modellen
- Het YOLO algoritme
- Regressiegebaseerde algoritmen voor objectdetectie
- Hoe is YOLO anders dan RCNN?
Het juiste YOLO variant gebruiken
- Functies en architectuur van YOLOv1-v2
- Functies en architectuur van YOLOv3-v4
Installeren en configureren van de IDE voor YOLO implementaties
- De Darknet implementatie
- De PyTorch en Keras implementaties
- Uitvoeren van OpenCV en NumPy
Overzicht van objectdetectie met YOLO voorgeleerde modellen
Bouwen en aanpassen van Python command-line applicaties
- Afbeldingen labelen met het YOLO framework
- Afbeeldingclassificatie op basis van een dataset
Objectdetectie in afbeeldingen met YOLO implementaties
- Hoe werken bounding boxes?
- Hoe nauwkeurig is YOLO voor instance segmentatie?
- Parsen van command-line argumenten
Extracteren van de YOLO klasse labels, coördinaten en afmetingen
Tonen van de resulterende afbeeldingen
Objectdetectie in video streams met YOLO implementaties
- Hoe is dit anders dan basisafbeeldingverwerking?
Trainen en testen van YOLO implementaties op een framework
Foutopsporing en debugging
Samenvatting en conclusie
Vereisten
- Erfaring met Python 3.x programmeren
- Basis kennis van een Python IDE
- Erfaring met Python argparse en command-line argumenten
- Inzicht in computer vision en machine learning libraries
- Verstand van fundamentele objectdetectie algoritmen
Doelgroep
- Back-end ontwikkelaars
- Data scientists
Getuigenissen (2)
Hands-on en praktisch
Keeren Bala Krishnan - PENGUIN SOLUTIONS (SMART MODULAR)
Cursus - Computer Vision with Python
Automatisch vertaald
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Cursus - Computer Vision with OpenCV
Automatisch vertaald
