Contents
Viola-Jones 方法、HOG 特徵、R-CNN、YOLO 和 SSD(單發)物件檢測方法與 Python 和 OpenCV
從這 10 小時的課程,你會學到
- 對最強大的電腦視覺模型有很好的理解
- 了解 OpenCV
- 理解和實現 Viola-Jones 演算法
- 理解和實現定向梯度直方圖 (HOG,Histogram of Oriented Gradients) 演算法
- 理解和實現與卷積神經網路 (CNN,Convolutional Neural Network) 相關的電腦視覺方法
- 理解並實現 YOLO(You Only Look Once)演算法
- Single Shot MultiBox 檢測 SDD 演算法
- 掌握人臉檢測和物件檢測
要求
基本的 Python 程式技能
課程說明
本課程是關於圖像處理的基本概念,重點是人臉檢測和物件檢測。 這些話題現在變得非常熱門,因為這些學習演算法可以用於從軟體工程到犯罪調查的多個領域。 自動駕駛汽車(例如車道檢測方法)嚴重依賴點腦視覺。
隨著過去十年深度學習和圖形處理單元 (GPU) 的出現,甚至可以在實時視訊中運行這些演算法。 那麼您將在這門課程中學到什麼?
第 1 節 – 圖像處理基礎:
- 點腦視覺理論
- 什麼是像素強度值
- 卷積和內核(過濾器)
- 模糊內核
- 銳化內核
- 電腦視覺中的邊緣檢測(邊緣檢測內核)
第 2 節 – 自動駕駛汽車和車道檢測
- 如何在車道檢測中使用電腦視覺方法
- Canny 演算法
- 如何使用霍夫變換( Hough transform )根據像素強度查找線
第 3 節 – 使用 Viola-Jones 演算法進行人臉檢測:
- 電腦視覺中的 Viola-Jones 方法
- 什麼是滑動窗口方法
- 檢測圖像和視訊中的人臉
第 4 節 – 定向梯度直方圖 (HOG) 演算法
- 如何用更好的方法超越 Viola-Jones 演算法
- 如何檢測圖像中的梯度和邊緣
- 構建定向梯度的直方圖
- 使用支持向量機 (SVM,Support Vector Machines) 作為基礎機器學習演算法
第 5 節 – 基於卷積神經網路 (CNN) 的方法
- 滑動窗口方法有什麼問題
- 區域建議和選擇性搜索演算法
- 基於區域的卷積神經網路 (C-RNN)
- 快速 C-RNN
- 更快的 C-RNN
第 6 節 – 你只看一次 (YOLO) 物件檢測演算法
- YOLO 方法是什麼?
- 構建邊界框
- 如何通過單一外觀檢測圖像中的物件?
- 聯合交集(IOU,intersection of union)演算法
- 如何使用非最大抑制( non-max suppression )保持最相關的邊界框?
第 7 節 – 單次射擊多盒檢測器 (SSD, Single Shot MultiBox Detector) 物件檢測演算法 SDD
- SSD演算法背後的主要思想是什麼
- 構建錨箱
- VGG16 和 MobileNet 架構
- 使用實時視訊實現 SSD
我們將主要討論人臉識別演算法和目標檢測的理論背景,然後我們將逐步實現這些問題。
感謝您加入課程,讓我們開始吧!
目標受眾
任何對機器學習(人工智慧)和電腦視覺感興趣的人
講師簡介
Holczer Balazs 軟體工程師
我的名字是 Balazs Holczer。 我來自匈牙利布達佩斯。 我有資格成為一名物理學家。 目前我在一家跨國公司擔任仿真工程師。 自大學以來,我一直對演算法和資料結構及其實現感興趣,尤其是在 Java 中。 後來我熟悉了機器學習技術、人工智慧、數值方法和處方,例如求解微分方程、線性代數、內插法和外插法。 這些東西在幾個領域可能被證明是非常重要的:軟體工程、研發或投資銀行。 我特別喜歡 Black-Scholes 模型或 Merton 模型等定量模型。
如果您對這些主題感興趣,請查看我的網站!
英文字幕:有
- 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To
- 點選這個✨優惠連結✨ 課程特價 | Udemy 永久擁有課程 NT390 起( 在電腦瀏覽器登入,點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得 )
- Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
- 手機上點選優惠連結看到的價格比電腦上看到的貴
- $代表當地貨幣, 如在台灣為 NT
- 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現
報名參加課程
也許你會有興趣
- Python 學習地圖
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣!
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入