Машинное зрение: локализация объектов на Python

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




Loading charts...