Запись

[Центр digital-профессий ITtensive] Машинное зрение: распознавание объектов на Python

Информация
Тип покупки: Оптовая
Взнос: 195 РУБ

Организатор: Аноним Аноним
Статус:
Набор участников
Список участников
  • 1.
    lsotope
Аноним
Аноним
Маска Организаторов
Организатор
Сообщения
Монеты
+89.5
Оплачено
5
Купоны
0
Кешбэк
0
Баллы
0
  • @Skladchiki
  • #1

Складчина: [Центр digital-профессий ITtensive] Машинное зрение: распознавание объектов на Python

Ссылка на картинку
изображение

Чему вы научитесь

  • 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
Описание
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.
Для кого этот курс:
  • Разработчики систем машинного зрения
  • Инженеры по работе с графическими данными
  • Научные работники и исследователи данных
 
Последнее редактирование:
Похожие темы
Просмотры
357
Просмотры
896
  • Взнос: 110 руб
Просмотры
1K

Зарегистрируйте учетную запись или войдите, чтобы обсуждать и скачивать материалы!

Зарегистрироваться

Создайте учетную запись. Это быстро!

Авторизоваться

Вы уже зарегистрированы? Войдите здесь.

Сверху