Машинное зрение: локализация объектов на Python

Description

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 форм

Разберем 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 объектов

Применим 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 признаков

Используем 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 изображений

В 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.

TAKE THIS COURSE