Εξέλιξη Κομματιού

Εισαγωγή

Περιγραφή των Χαρακτηριστικών και της Δομής των YOLO Pre-trained Models

  • O Αλγόριθμος YOLO
  • Αλγόριθμοι Regression-based για την ανίχνευση αντικειμένων
  • Πώς ο YOLO διαφέρει από το RCNN;

Εξαγωγή του κατάλληλου YOLO Variant

  • Χαρακτηριστικά και Δομή του YOLOv1-v2
  • Χαρακτηριστικά και Δομή του YOLOv3-v4

Εγκατάσταση και Ρύθμιση του IDE για τις υλοποιήσεις YOLO

  • Η υλοποίηση Darknet
  • Η υλοποίηση PyTorch και Keras
  • Εκτέλεση του OpenCV και NumPy

Περιγραφή της Ανίχνευσης Αντικειμένων με YOLO Pre-trained Models

Ανάπτυξη και Προσαρμογή Python Command-Line Applications

  • Ετικετοποίηση Εικόνων με το πλαίσιο YOLO
  • Ταξινόμηση Εικόνων βασισμένη σε Dataset

Ανίχνευση Αντικειμένων σε Εικόνες με YOLO Implementations

  • Πώς λειτουργούν τα Bounding Boxes;
  • Πόσο ακριβής είναι ο YOLO για την Τομή Επιδρομής (Instance Segmentation);
  • Ερμηνεία των command-line arguments

Εξαγωγή των Eτικετών Κλάσης YOLO, Συντεταγμένων και Διαστάσεων

Παρουσίαση των αποτελεσμάτων Εικόνων

Ανίχνευση Αντικειμένων σε Βίντεο Ροές με YOLO Implementations

  • Πώς διαφέρει από τη βασική εξεργασία εικόνων;

Εκπαίδυση και Δοκιμαστική Τρέχουσας YOLO Implementations σε Πλαίσιο

Ανάγνωση και Αποκλειστικότητα

Σύνοψη και Συμπέρασμα

Απαιτήσεις

  • Εμπειρία προγραμματισμού Python 3.x
  • Βασική γνώση τυχόν οποιουδήποτε Python IDEs
  • Εμπειρία με Python argparse και εργαλεία command-line arguments
  • Κατανόηση βιβλιοθηκών υπολογιστικής ορασίας και μηχανικής μάθησης
  • Κατανόηση των θεμελιώδων αλγορίθμων ανίχνευσης αντικειμένων

Ανακούφιλη

  • Υποβαθμιστές Διαμόρφωσης
  • Επιστήμονες Δεδομένων
 7 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (2)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες