|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ittensive-machine-vision-recognition/
课程评论：没有评论
"机器学习：基于 Python 的物体识别" Coursera 课程，旨在教授学员如何使用 Python 和神经网络进行图像识别。 **课程内容概述：** 1. **神经网络入门：** * 讲解神经网络基础：神经元、层、连接、反向传播算法和多层感知机。 * 学习神经网络的训练和优化技巧。 * 深入了解卷积神经网络（CNN），并分析 LeNet、AlexNet、VGG 和 ResNet 等经典架构。 2. **数字识别实践：** * 运用 Python 和 Keras 框架，创建一个训练模型来识别手写数字（MNIST 数据集）。 * 涵盖 Keras 中神经网络的实践应用： * 数字化图像的处理。 * 模型的构建与层（layer）的创建。 * 数据形状的转换（多维数组）。 * 图像生成器（generators）与数据增强（augmentation）。 * 训练集、测试集和验证集的使用。 * 优化器（optimizers）与批次（batches）训练。 * 神经网络的实际优化。 * 训练过程的可视化。 * 批次归一化（Batch Normalization）、正则化（Regularization）和 Dropout。 * 权重初始化（weight initialization）方法。 3. **车牌识别应用：** * 利用车牌数字图像数据集，训练模型以识别真实的汽车车牌。 * 涉及图像的加载、过滤和转换。 * 从目录加载图像进行训练。 * 图像对比度、锐度调整以及直方图滤波（histogram equalization）。 * 识别 21 个类别的图像（数字和字母）。 * 在真实数据上应用训练好的模型。 **课程项目：** 学员将完成一个项目，创建自己的神经网络模型来识别照片中的汽车车牌。 **请注意：** 要访问 ITtensive 在 Udemy 上的课程，请发送电子邮件至 support@ittensive.com，并附上您想要学习的课程名称或课程组名称。
Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на support@ittensive.com с названием курса или группы курсов, которые хотите пройти.Первый курс из серии Машинное зрение посвящен распознаванию изображений с помощью нейронных сетей на Python. Курс состоит из 3 больших частей:Введение в нейронные сетиРазберем основы нейросетей: нейрон, слои, связи, обратное распространение ошибки и многослойный перцептрон. Изучим особенности обучения и оптимизации нейросетей.Погрузимся в сверточные нейросети и разберем архитектуры LeNet, AlexNet, VGG и ResNet.Распознавание цифрПрименим теоретические знания на практике. Используем Python и Keras для создания и обучения моделей нейронных сетей для успешного распознавания рукописных цифр - набора MNIST.Разберем все прикладные особенности работы с нейросетями в Keras:Особенности оцифрованных изображений.Создание моделей и слоев.Преобразование форм данных (многомерных массивов).Генераторы и дополнение изображений.Обучающая, тестовая и валидационные выборки.Функции оптимизации и пакеты обучения.Прикладная оптимизация нейросети.Визуализация процесса обучения.Пакетная нормализация, регуляризация и отсев.Методы инициализации весов.Распознавание автомобильных номеровИспользуем обучающую выборку из изображений цифр автомобильных номеров для распознавания реального номера автомобиля.Загрузка, фильтрация и преобразование изображений.Генераторы обучения из директорий.Изменение контраста, резкости и маски гистограмм изображений.Распознавание одного из 21 класса изображений - цифры и буквы.Использование обученной модели на реальных данных.Курсовым проектом будет ваша собственная обученная нейросеть, распознающая номера автомобилей по фотографии.
