|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ittensive-machine-vision-localization/
课程评论：没有评论
课程名称：机器视觉：Python中的对象定位 概述：该课程是ITtensive系列机器视觉课程的第二部分，专注于使用Python和OpenCV进行图像中的对象定位。在开始课程之前，需要安装一系列模块，如numpy、pandas、sklearn、keras、tensorflow、pillow、opencv-python、opencv-contrib-python、scikit-image、cmake、face_recognition和mrcnn。 课程分为四个主要部分： 1. **形状提取**：学习图像滤波的基本方法，包括图形滤波器（如清晰、模糊、膨胀和侵蚀），图像锐化技术（自适应直方图、Richardson-Lucy、模糊掩码和去噪声）。研究边缘检测（Sobel、Scharr和Canny），并通过轮廓收集限制矩形和图像旋转。使用Hough变换进行圆形提取，最后实现一个简单的条形码扫描器。 2. **对象提取**：探讨在人脸图像中检测不同形状的通用方法，包括Haar特征和Viola-Jones级联、方向梯度直方图、深度神经网络和局部二进制模式直方图。通过发现和识别照片中的人脸来巩固所学知识。 3. **特征提取**：使用关键点描述符来处理尺度不变的变换，涵盖SIFT、SURF、ORB、FAST和BRIEF等算法。进行图像矩和三维变换及旋转。将多张图像合成全景图，利用关键点实现拼接。 4. **图像分割**：最后，探讨用于图像中对象类别定位的神经网络方法，包括YOLO（You Only Look Once）、Mask R-CNN和MobileNet-SSD等单次检测技术。课程项目为处理一组真实照片以准备进行识别或分类任务。 此课程适合希望深入理解机器视觉和Python图像处理的学习者，并提供丰富的理论与实践相结合的学习体验。
Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на support@ittensive.com с названием курса или группы курсов, которые хотите пройти.Второй курс из серии Машинное зрение посвящен локализации объекта на изображениях с помощью OpenCV на Python. Для работа по курсу необходимо установить модули numpy pandas sklearn keras tensorflow pillow opencv-python opencv-contrib-python scikit-image cmake face_recognition mrcnn.Курс состоит из 4 больших частей:Выделение формРазберем базовые подходы к фильтрации изображений и освоим авто-поворот изображений:Графические фильтры: четкость, размытие, наращивание и эрозия.Восстановление резкости: адаптивные гистограммы, Ричардсон-Люси, маска нечеткости и устранение шума.Выделение границ по Собелю, Щару и Канни.Сбор контуров из границ, ограничивающие прямоугольники и поворот изображения.Преобразования Хафа и выделение окружностей.В заключении соберем простой сканер штрих-кодов на изображении.Выделение объектовПрименим общие подходы к обнаружению различных форм на изображении на примере человеческих лиц.Примитивы Хаара и каскады Виолы-Джонса.Гистограммы направленных градиентов.Глубокие нейросети.Локальные бинарные шаблоны гистограмм.Для закрепления материала обнаружим лица на фотографиях и распознаем их.Выделение признаковИспользуем дескрипторы ключевых точек для масштабно-инвариантных преобразований.SIFT и SURF.ORB, FAST и BRIEF.Моменты изображения.Трехмерная трансформация и повороты.Объединение изображений в панораму.Объединим несколько изображений в панораму, используя ключевые точки.Сегментация изображенийВ заключении разберем нейросетевые подходы для локализации классов объектов на изображении.YOLO: You Only Look Once.Mask R-CNN: Regions CNN.MobileNet-SSD: Single Shot Detection.Сегментационные нейросети.В качестве курсового проекта обработаем набор реальных фотографий для подготовки их к задаче распознавания или классификации.
