現代電腦視覺™ PyTorch、Tensorflow2 Keras 和 OpenCV4

Contents

使用 Python 學習 OpenCV4、CNN、Detectron2、YOLOv5、GAN、追蹤、分割、人臉識別和連體網路( Siamese Networks )

從這 27.5 小時的課程，你會學到

所有主要的電腦視覺理論和概念！
學習使用 PyTorch、TensorFlow 2.0 和 Keras 執行電腦視覺深度學習任務
OpenCV4 詳細介紹，涵蓋所有主要概念並附有大量示例程式碼
所有課程程式碼都適用於隨附的 Google Colab Python Notebooks
學習從 YOLOv5 到 R-CNN、Detectron2、SSD、EfficientDetect 等所有主要目標檢測框架！
使用 U-Net、SegNet 和 DeepLabV3 進行深度分割
通過視覺化不同的觸發和應用 GradCAM 了解 CNN “看到”什麼
生成對抗網絡 (GAN) 和自動編碼器 – 生成數字、動漫人物、變換樣式並實現超分辨率( Super Resolution )
訓練、微調和分析你自己的分類器
臉部識別以及性別、年齡、情緒和種族檢測
神經風格遷移和 Google Deep Dream
遷移學習、微調和高級 CNN 技術
重要的現代 CNN 設計，例如 ResNets、InceptionV3、DenseNet、MobileNet、EffiicentNet 等等！
使用 DeepSORT 進行追蹤
連體網路、臉部識別和分析（年齡、性別、情感和種族）
圖像字幕、深度估計和視覺轉換器
點雲（3D 資料）分類和分割
使用 Flask 製作電腦視覺 API 和 Web 應用程式

要求

沒有程式經驗（一些 Python 會是有益的）
初中數學基礎
寬頻網路連接

課程說明

歡迎來到“現代電腦視覺™ PyTorch、Tensorflow2 Keras 和 OpenCV4”

人工智慧和深度學習正在改變行業，這場人工智慧革命中最有趣的部分之一就是電腦視覺！

涉及深度學習的電腦視覺應用正在蓬勃發展！

擁有可以“看到”的機器將改變我們的世界，並徹底改變幾乎所有行業。可以“看到”的機器或機器人將能夠：

執行手術並通過醫學掃描準確分析和診斷患者。
啟用自動駕駛汽車
從根本上改變機器人，使我們能夠製造可以做飯、清潔和協助我們完成幾乎所有任務的機器人
了解 CCTV 中看到的內容，從而執行安全、交通管理和許多其他服務
用令人驚艷的神經風格轉移和其他創新類型的圖像生成來創造藝術
模擬許多任務，例如老化面孔、修改實時視頻源以及真實地替換電影中的演員

但究竟什麼是電腦視覺，為什麼它如此令人興奮？好吧，如果電腦可以理解他們通過相機或圖像看到的內容？從醫學影像、軍事、自動駕駛汽車、安全監控、分析、安全、農業、工業和製造，此類技術的應用無窮無盡！清單列到天邊也列不完。

對電腦視覺工作者的工作需求正在飆升，該領域的專家的薪水通常超過 200,000 美元。然而，在這個領域入門並不容易。資訊過多，其中許多已經過時，並且過多的教程忽略了基礎知識。因此，初學者不知道從哪裡開始。

本課程旨在解決所有這些問題！

使用 Google Colab Notebooks 進行教學（沒有雜亂的安裝，所有程式碼都可以立即運行）
27 小時以上最新和相關的電腦視覺理論和示例程式碼
使用 PyTorch 和 Tensorflow Keras 授課！

在本課程中，你將學習電腦視覺、經典計算機視覺（使用 OpenCV）的基本基礎，然後繼續學習深度學習，在這裡我們建立我們的 CNN 基礎知識並了解以下主題：

詳細的 OpenCV 指南涵蓋：

圖像操作和操作
輪廓和分割
簡單的物件檢測和追蹤
面部標誌、識別和臉部交換
神經風格遷移、YOLOv3、SSD 和黑白圖像著色器的 OpenCV 實現
使用視訊和視訊串流

我們全面的深度學習大綱包括：

使用 CNN 進行分類
CNN 分析、視覺化性能、高級 CNN 技術的詳細概述
遷移學習和微調
生成對抗網絡 – CycleGAN、ArcaneGAN、SuperResolution、StyleGAN
自動編碼器
神經風格遷移和谷歌 DeepDream
現代 CNN 架構，包括視覺轉換器（ResNets、DenseNets、MobileNET、VGG19、InceptionV3、EfficientNET 和 ViTs）
用於圖像相似性的連體網絡
臉部識別（年齡、性別、情感、種族）
PyTorch 閃電
使用 YOLOv5 和 v4、EfficientDetect、SSD、Faster R-CNN、
深度分割 – MaskCNN、U-NET、SegNET 和 DeepLabV3
使用 DeepSORT 進行追蹤
Deep Fake(深度偽造技術) 生成
影片分類
光學字符識別 (OCR，Optical Character Recognition )
圖片字幕
使用點雲資料( Point Cloud Data )的 3D 電腦視覺
醫學成像 – X 射線分析和 CT 掃描
深度估計
使用 Flask 製作電腦視覺 API
還有更多

這是一門綜合課程，分為兩 (2) 個主要部分。第一個是詳細的 OpenCV（經典計算機視覺教程），第二個是詳細的深度學習

本課程充滿了有趣和酷炫的專案，包括這些經典計算機視覺專案：

按大小、位置對輪廓進行排序，使用它們進行形狀匹配
尋找 Waldo
透視變換（CamScanner）
圖像相似度
圖像顏色的 K-Means 聚類
使用 MeanShift 和 CAMShift 進行運動追蹤
光流
使用 Dlib 進行臉部地標檢測
換臉
二維碼和條碼到達
背景去除
文本檢測
使用 PyTesseract 和 EasyOCR 進行 OCR
為黑白照片著色
具有修復和降噪功能的計算攝影
使用邊緣檢測創建自己的草圖
RTSP 和 IP 串流
錄影螢幕成為視頻
直接輸入 Youtube 影片

深度學習電腦視覺專案：

PyTorch 和 Keras CNN 教程 MNIST
PyTorch & Keras 錯誤分類和模型性能分析
帶和不帶 Regularisation (正規化) 的 PyTorch 和 Keras Fashion-MNIST
CNN 視覺化 – 過濾器和過濾器激活可視化
CNN 視覺化過濾器和類最大化
CNN 視覺化 GradCAM GradCAMplusplus 和 FasterScoreCAM
使用 Keras 在 Tensorflow2.0 中復製 LeNet 和 AlexNet
PyTorch 和 Keras 預訓練模型 – 1 – VGG16、ResNet、Inceptionv3、MobileNetv2、SqueezeNet、WideResNet、DenseNet201、MobileMNASNet、EfficientNet 和 MNASNet
Rank-1 和 Rank-5 準確度
PyTorch 和 Keras Cats vs Dogs PyTorch – 使用你自己的資料進行訓練
PyTorch Lightning 教程 – 批量和 LR 選擇、張量板、回調、mGPU、TPU 等
PyTorch Lightning – 遷移學習
PyTorch 和 Keras 遷移學習和微調
PyTorch 和 Keras 使用 CNN 作為特徵提取器
PyTorch 和 Keras – Google Deep Dream
PyTorch Keras – 神經風格遷移 + TF-HUB 模型
使用 Fashion-MNIST 資料集的 PyTorch 和 Keras 自動編碼器
PyTorch 和 Keras – 生成對抗網路 – DCGAN – MNIST
Keras – 超分辨率 SRGAN
項目 – Generate_Anime_with_StyleGAN
CycleGAN – 把馬變成斑馬
ArcaneGAN 推理
PyTorch 和 Keras 連體網路
在 Keras 中使用 VGGFace 進行臉部識別
PyTorch 與 FaceNet 的臉部相似性
DeepFace – 年齡、性別、表情、頭部姿勢和識別
物件檢測 – 槍、手槍探測器 – Scaled-YOLOv4
物件檢測 – Mask 檢測 – TensorFlow 物件檢測 – MobileNetV2 SSD
物件檢測 – 手語檢測 – TFODAPI – EfficientDetD0-D7
物件檢測 – TinyYOLOv4 的坑洞檢測( Pot Hole Detection )
物件檢測 – 蘑菇型物體檢測 – Detectron 2
物件檢測 – 網站截圖區域檢測 – YOLOv4-Darknet
物件檢測 – 無人機海事檢測器 – Tensorflow Object Detection Faster R-CNN
物件檢測 – 棋子檢測 – YOLOv3 PyTorch
物件檢測 – 建築工地安全帽檢測 – EfficientDet-v2
物件檢測血細胞物體檢測 – YOLOv5
物件檢測 Plant Doctor 物件檢測 – YOLOv5
圖像分割 – Keras、U-Net 和 SegNet
DeepLabV3 – PyTorch_Vision_Deeplabv3
Mask R-CNN 演示
Detectron2 – Mask R-CNN
訓練 Mask R-CNN – 形狀
Yolov5 DeepSort Pytorch 教程
DeepFakes – 第一階模型演示
視覺轉換器教程 PyTorch
Keras 中的 Vision Transformer 分類器
使用 BigTransfer (BiT) 進行圖像分類
使用 Keras 進行深度估計
使用 Keras 的度量學習進行圖像相似性搜索
使用 Keras 進行圖像字幕
使用 Keras 的 CNN-RNN 架構進行影片分類
使用 Keras 使用 Transformers 進行影片分類
點雲分類 – PointNet
使用 PointNet 進行點雲分割
3D 圖像分類 CT 掃描
使用 TPU 進行 X 射線肺炎分類
使用 MIRNet 的低光圖像增強
驗證碼 OCR 破解器
Flask Rest API – 伺服器和 Flask Web 應用程式
Detectron2 – 身體姿勢