Programa do Curso

Introdução

Visão geral das características e arquitetura dos modelos pré-treinados YOLO

  • O Algoritmo YOLO
  • Algoritmos baseados em regressão para deteção de objectos
  • Como é que o YOLO é diferente do RCNN?

Utilizar a variante YOLO adequada

  • Características e arquitetura do YOLOv1-v2
  • Características e arquitetura do YOLOv3-v4

Instalando e configurando o IDE para implementações YOLO

  • A implementação da Darknet
  • As implementações PyTorch e Keras
  • Executando o OpenCV e o NumPy

Visão geral da deteção de objectos utilizando modelos pré-treinados YOLO

Criando e personalizando Python aplicativos de linha de comando

  • Etiquetagem de imagens utilizando a estrutura YOLO
  • Classificação de imagens com base num conjunto de dados

Deteção de objectos em imagens com implementações YOLO

  • Como funcionam as caixas delimitadoras?
  • Quão preciso é o YOLO para a segmentação de instâncias?
  • Analisando os argumentos da linha de comando

Extrair as etiquetas, as coordenadas e as dimensões da classe YOLO

Exibição das imagens resultantes

Deteção de objectos em fluxos de vídeo com implementações YOLO

  • Em que é que é diferente do processamento básico de imagens?

Formação e teste das implementações YOLO num quadro

Resolução de problemas e depuração

Resumo e conclusão

Requisitos

  • Experiência de programação Python 3.x
  • Conhecimento básico de qualquer Python IDE
  • Experiência com Python argparse e argumentos de linha de comando
  • Compreensão de visão computacional e bibliotecas de aprendizado de máquina
  • Um entendimento dos algoritmos fundamentais de deteção de objetos

Público

  • Desenvolvedores back-end
  • Cientistas de dados
  7 horas
 

Número de participantes


Inicia

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Declaração de Clientes (4)

Cursos Relacionados

Categorias Relacionadas