|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/computer-vision-python/
课程评论：没有评论
课程名称：使用 Python 和 OpenCV 的计算机视觉完整课程 课程概述：本课程将深入探讨计算机视觉这一人工智能前沿领域。计算机视觉利用深度学习和人工神经网络技术，对图像和视频进行分析，能够以超越人眼的精确度识别形状和物体。应用领域广泛，包括自动驾驶、医疗诊断、智能监控和游戏等。 在课程中，我们将首先介绍计算机视觉的基本概念，然后通过安装 Anaconda 和熟悉 Visual Studio Code 来准备学习环境。接下来，我们会学习如何使用 Numpy 打开图像，并介绍 OpenCV——计算机视觉中最流行的库，学习如何编辑和处理图像。 课程将带你探索从 Webcam 实时采集图像到使用 Haar Cascade 分类器进行基本的物体检测。我们将逐步研究物体跟踪技术，并介绍机器学习及其在计算机视觉中的应用，包括光学字符识别 (OCR) 的实例。 此后，课程将引入 TensorFlow 和卷积神经网络（CNN），并探讨在处理大规模数据集和小型数据集时的解决方案，包括 Keras 的生成器和图像增强技术。最后，我们将结合所学内容，创建一个实时视频性别识别程序。此外，课程底部还包括额外的深入内容和一段 100 分钟的 Python 编程快速课程。 期待在课程中见到你！
*** Aggiornamento Marzo 2020: Il Corso verrà presto aggiornato con la nuova sezione Neural Object Detection: YOLOV3 ***La Computer Vision è uno dei settori più hot dell'Intelligenza Artificiale, negli ultimi anni ha fatto progressi esponenziali grazie alle ultime tecniche di Deep Learning e all'utilizzo delle Reti Neurali Artificiali.Ma cosa è esattamente la Computer Vision ?La Computer Vision è un insieme di tecniche, metodi e modelli che ci permette di analizzare digitalmente immagini e video, riconoscendo forme e oggetti con una precisione anche superiore a quella dell'occhio umano.Le Applicazioni Pratiche sono innumerevoli e colpiscono moltissimi grandi settori:Trasporti: Auto a Guida AutonomaHealtcare: Diagnosi Medica ComputerizzataSicurezza: Telecamere IntelligentiGaming: Microsoft KinectCosa faremo in questo corso ?Dopo la breve introduzione alla Computer Vision della prima sezione prepareremo il campo di battaglia nella seconda, installando Anaconda, prendendo familiarità con Visual Studio Code e creando l'Ambiente Virtuale che utilizzeremo durante il corso.Nella terza sezione parleremo di come i Computer vedono le Immagini e impareremo ad aprire un'immagine con Numpy, popolarissima libreria Python per il calcolo numerico.Nella quarta sezione inizieremo a parlare di OpenCV, la più popolare libreria per la Computer Vision, vedremo come aprire e elaborare un'immagine, ridimensionandola, ritagliandola e disegnandoci sopra testo e forme.Nella quinta sezione vedremo come acquisire Immagini da Webcam utilizzando OpenCV, modificandole in tempo reale e salvandole sia in formato immagine che video.Subito dopo inizieremo con il Machine Learning, vendendo una delle più basilari tecniche di Object Detection: Haar Cascade Classifiers, ne studieremo la teoria e poi vedremo come implementare questo modello utilizzando OpenCV per riconoscere volti in flussi di video in tempo reale.Nella settima sezione faremo un'ulteriore passo avanti, passando dall'Object Detection all'Object Tracking, sfruttando l'agoritmo del Tracking del Centroide.A seguire una breve introduzione al Machine Learning e le sue Applicazioni nella Computer Vision, con un'esempio pratico di OCR (Optical Characters Recognition), seguita da un'introduzione teorica al Deep Learning.Nella Sezione 10 introdurremo Tensorflow, la più popolare libreria per il Deep Learning, applicando nella pratica le nozioni di Deep Learning apprese nella sezione precedente.Addestrare una Rete Neurale può richiedere parecchie risorse di calcolo, per questo nella sezione undici vedremo alcuni servizi totalmente gratuiti che possiamo utilizzare per Addestrare Reti Neurali in Cloud su Cluster di GPUs.Nella sezione 12 parleremo di Reti Neurali Convoluzionali (CNN), un'architettura di Reti Neurali che hanno totalmente rivoluzionato la Computer Vision.Come fare se il nostro dataset contiene decine di migliaia di immagini ? Di questo parleremo nella sezione 13, affrontando questo problema tramite i Generatori di Keras.Se invece il dataset contiene decisamente poche immagini per il problema che stiamo affrontando? Questo sarà argomento della sezione 14, dove impareremo le principali tecniche di Images Augmentation.Nell'ultima sezione metteremo insieme tutto ciò che abbiamo appreso durante il corso, per realizzare un programma in grado di riconoscere il sesso di una persona da un video catturato in tempo reale!Se questo non ti sembra abbastanza, in fondo al corso puoi trovare delle sezioni di approfondimento e un mini crash course di Programmazione con Python in appena 100 minuti:).Ti aspetto dentro al corso!
