|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/reconhecimento-de-faces-e-de-objetos-com-python-e-dlib/
课程评论：没有评论
本课程名为“使用 Python 和 Dlib 进行人脸和物体识别”，是一门中级课程，旨在教授学员如何在计算机视觉领域应用三种核心技术：人脸检测、人脸识别和物体检测。 课程将使用 Python 语言和 Dlib 库，Dlib 是目前在计算机视觉和机器学习领域效率极高的库之一，内置了 SVM、HOG、KNN 和卷积神经网络 (CNN) 等多种先进算法。通过 Dlib，学员将间接接触到深度学习技术，从而能够用少量代码构建自己的面部识别系统或定制物体检测器。 课程内容覆盖： * **人脸检测 (Face Detection)**：在图像中定位人脸，类似于数码相机自动识别人脸进行对焦。 * **人脸识别 (Facial Recognition)**：识别图像中的人是哪位，例如用于安防系统。 * **物体检测 (Object Detection)**：在图像中查找并识别特定物体，如自动驾驶汽车识别行人、车辆和交通标志。 课程还会对比 Dlib 和 OpenCV 在人脸检测方面的差异，以加深学员对这两个重要图像处理库的理解。 **教学目标**： * 提供对 Dlib 库的实践性应用指导。 * 仅提供算法工作原理的基本直观认识。 **先修知识建议**： * 建议学员具备使用 OpenCV 进行人脸检测和识别的基础知识。 * 若无相关经验，建议先完成“使用 Python 和 OpenCV 进行人脸检测”及“使用 Python 和 OpenCV 进行人脸识别”课程。 该课程适合希望在计算机视觉领域，特别是人脸和物体识别方面提升技能的学员。
Dentro da área da Visão Computacional existem três subáreas que se destacam e são muito utilizadas em aplicações comerciais: a detecção de faces, o reconhecimento facial e a detecção de objetos. A primeira está relacionada a encontrar faces em imagens e exemplos desta técnica podem ser encontrados nas câmeras digitais que inserem um retângulo em volta da face para enquadrar a pessoa. Já o reconhecimento facial tem o objetivo de identificar quais são as pessoas que estão em uma foto, tendo como exemplo os sistemas de segurança que identificam se uma determinada pessoa está ou não presente em um ambiente. Por fim, a detecção de objetos visa encontrar objetos personalizados em imagens e atualmente essa técnica é muito utilizada em carros autônomos, os quais precisam identificar pedestres e outros veículos para evitar colisões, bem como reconhecer placas de trânsito para seguir uma direção segura. Com base nisso, neste curso você vai aprender passo a passo a implementar essas três técnicas! Utilizaremos a linguagem Python e a biblioteca Dlib, que atualmente é umas das mais eficientes para visão computacional e resolução de problemas de aprendizagem de máquina. Essa biblioteca implementa internamente vários algoritmos para essas tarefas, bem como SVM (máquinas de vetores de suporte), HOG (histograma de gradientes orientados), KNN (vizinhos mais próximos) e redes neurais convolucionais (CNN). Inclusive quando trabalhamos com o Dlib, indiretamente estamos utilizando recursos de Deep Learning, que são as técnicas mais relevantes hoje em dia no cenário da Inteligência Artificial! E o melhor de tudo é que esses algoritmos complexos já estão embutidos na própria biblioteca, portanto, com algumas poucas linhas de código é possível criar nosso próprio sistema de reconhecimento facial ou detector de objetos personalizado! Além disso, também faremos alguns comparativos das técnicas de detecção de faces do Dlib com o OpenCV, para que você entenda melhor as diferenças entre essas duas importantes bibliotecas para processamento digital de imagens e visão computacional! O objetivo principal deste curso é que você tenha uma visão prática de como utilizar o Dlib, portanto, nós mostraremos somente uma intuição básica sobre o funcionamento dos algoritmos. Outro detalhe é que recomenda-se que você já tenha um conhecimento prévio sobre detecção de faces e reconhecimento facial utilizando o OpenCV, pois assim o conteúdo fluirá melhor! Caso este seja seu primeiro curso na área de visão computacional, sugerimos que você faça primeiramente os cursos "Detecção de Faces com Python e OpenCV" e "Reconhecimento Facial com Python e OpenCV". Porém, dependendo do seu nível de conhecimento nessa área, é também possível acompanhar o conteúdo sem ter concluído os cursos acima. Devido a esse "pré-requisito", este curso é categorizado como o nível intermediário. Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso!:)
