Чого ви навчитеся
- розпізнавання чисел і букв на фотографіях
- використання нейронних мереж на реальних даних
- обробка та корекція зображень
- штучні нейронні мережі: шари, ваги, навчання
- моделі нейронних мереж Keras/TensorFlow
- Використання LeNet, AlexNet, VGG і ResNet для розпізнавання цифр
- оптимізація нейронних мереж
- функції оптимізації: SGD, RMSprop, (N)adam, Adamax
- перенесення навчання нейронних мереж
- зміна контрасту, гістограми яскравості і різкість
- Курсовий проект: розпізнавання номерів автомобілів
Перший курс із серії машинний зір присвячений розпізнаванню зображень за допомогою нейронних мереж на Python. Курс складається з 3 великих частин:
Вступ до нейронних мереж
Розберемо основи нейромереж: нейрон, шари, зв'язки, зворотне поширення помилки і багатошаровий перцептрон. Вивчимо особливості навчання та оптимізації нейромереж.
Зануримося в згорткові нейромережі і розберемо архітектури LeNet, AlexNet, VGG і ResNet.
розпізнавання цифр
Застосуємо теоретичні знання на практиці. Використовуємо Python і Keras для створення і навчання моделей нейронних мереж для успішного розпізнавання рукописних цифр - набору mnist.
розберемо всі прикладні особливості роботи з нейромережами в Keras:
- особливості оцифрованих зображень.
- створення моделей і шарів.
- перетворення форм даних (багатовимірних масивів).
- генератори та доповнення зображень.
- Навчальна, тестова та валідаційні вибірки.
- функції оптимізації та навчальні пакети.
- Прикладна оптимізація нейромережі.
- візуалізація процесу навчання.
- Пакетна нормалізація, регуляризація та відсів.
- методи ініціалізації ваг.
Розпізнавання автомобільних номерів
Використовуємо навчальну вибірку із зображень цифр автомобільних номерів для розпізнавання реального номера автомобіля.
- Завантаження, фільтрація та перетворення зображень.
- Генератори навчання з директорій.
- зміна контрасту, різкості і маски гістограм зображень.
- розпізнавання одного з 21 класу зображень - цифри і букви.
- Використання навченої моделі на реальних даних.
Для кого цей курс:
- розробники систем машинного зору
- інженери по роботі з графічними даними
- науковці та дослідники даних
https://privatelink.de/?https://www.udemy.com/course/ittensive-machine-vision-recognition/