Машинное зрение: локализация объектов на Python

Обработка изображений с помощью фильтров, градиентов, каскадов и нейросетей для выделения форм и областей
3.22 (9 reviews)
Udemy
platform
Русский
language
Data Science
category
Машинное зрение: локализация объектов на Python
60
students
3 hours
content
Dec 2020
last update
$19.99
regular price

Why take this course?

🧠 Обработка изображений с помощью фильтров, градиентов, каскадов и нейросетей для выделения форм и областей: Машинное зрение - Локализация объектов на Python


Вводное Сообщение: 📫

Для доступа к курсам ITtensive на Udemy, пожалуйста, свяжитесь со us на support@ittensive.com с названием курса или группы курсов, которые вы хотите изучить.


О курсе:

Это второй курс в серии по машинному зрению, посвященный локализации объектов на изображениях с использованием OpenCV на Python. Для работы с курсом вам потребуется установить следующие модули: numpy, pandas, sklearn, keras, tensorflow, Pillow, opencv-python, opencv-contrib-python, scikit-image, cmake, face_recognition и mrcnn.


Курс состоит из 4 ключевых частей:

1. Выделение форм 🎨

Мы начнем с основных методов фильтрации изображений и освоим авто-поворот изображений, включая:

  • Графические фильтры: четкость, размытие, наращивание и эрозия.
  • Восстановление резкости: адаптивные гистограммы, Ричардсон-Люси, маска нечеткости и устранение шума.
  • Выделение границ: алгоритмы Собэля, Щара и Канни.
  • Преобразования Хафа для выделения окружностей.
  • И закончим собиранием простого сканера штрих-кодов на изображении.

2. Выделение объектов 🔍

Применим общие подходы к обнаружению различных форм, в частности, для распознавания человеческих лиц, включая:

  • Примитивы Хаара и каскады Виолы-Джонса.
  • Гистограммы направленных градиентов.
  • Глубокие нейросети для распознавания объектов.
  • Локальные бинарные шаблоны гистограм для более сложного анализа. Для закрепления материала, мы попробуем найти и распознать лица на фотографиях.

3. Выделение признаков 🔑

Используем дескрипторы ключевых точек для создания масштабно-инвариантных преобразований, включая:

  • SIFT и SURF.
  • ORB, FAST и BRIEF.
  • Моменты изображения для более точного анализа.
  • В заключение этой части, мы разберемся с преобразованием и выравниванием изображений.

4. Сегментация изображений 🖼️

В заключении курса, мы обсудим нейросетевые подходы для локализации классов объектов на изображении, включая:

  • YOLO (You Only Look Once).
  • Mask R-CNN (Regions CNN).
  • MobileNet-SSD (Single Shot Detection).
  • Сегментационные нейросети.

Курсовой Проект: 🏗️

В качестве курсового проекта предлагается обработать набор реальных фотографий для подготовки их к задачам распознавания или классификации.


Присоединяйтесь к нам в этом интересном путешествии по миру машинного зрения с помощью Python и OpenCV! 🚀✨

Course Gallery

Машинное зрение: локализация объектов на Python – Screenshot 1
Screenshot 1Машинное зрение: локализация объектов на Python
Машинное зрение: локализация объектов на Python – Screenshot 2
Screenshot 2Машинное зрение: локализация объектов на Python
Машинное зрение: локализация объектов на Python – Screenshot 3
Screenshot 3Машинное зрение: локализация объектов на Python
Машинное зрение: локализация объектов на Python – Screenshot 4
Screenshot 4Машинное зрение: локализация объектов на Python

Loading charts...

3693938
udemy ID
09/12/2020
course created date
12/12/2020
course indexed date
Bot
course submited by