Машинное зрение: распознавание объектов на Python
Обучение и оптимизация сверточных нейросетей для распознавания объектов на изображениях
Ratings 3.98 / 5.00
What You Will Learn!
- Распознавание чисел и букв на фотографиях
- Использование нейронных сетей на реальных данных
- Обработка и коррекция изображений
- Искусственные нейронные сети: слои, веса, обучение
- Модели нейронных сетей Keras/TensorFlow
- Использование LeNet, AlexNet, VGG и ResNet для распознавания цифр
- Оптимизация нейронных сетей
- Функции оптимизации: SGD, RMSprop, (N)adam, Adamax
- Перенос обучения нейронных сетей
- Изменение контраста, гистограммы яркости и резкость
- Курсовой проект: Распознавание номеров автомобилей
Description
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 сети
Разберем 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 цифр
Применим 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 номеров
Используем 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.
Who Should Attend!
- Разработчики систем машинного зрения
- Инженеры по работе с графическими данными
- Научные работники и исследователи данных
