fbpx

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

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:

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

深度學習電腦視覺專案:

  1. PyTorch 和 Keras CNN 教程 MNIST
  2. PyTorch & Keras 錯誤分類和模型性能分析
  3. 帶和不帶 Regularisation (正規化) 的 PyTorch 和 Keras Fashion-MNIST
  4. CNN 視覺化 – 過濾器和過濾器激活可視化
  5. CNN 視覺化過濾器和類最大化
  6. CNN 視覺化 GradCAM GradCAMplusplus 和 FasterScoreCAM
  7. 使用 Keras 在 Tensorflow2.0 中復製 LeNet 和 AlexNet
  8. PyTorch 和 Keras 預訓練模型 – 1 – VGG16、ResNet、Inceptionv3、MobileNetv2、SqueezeNet、WideResNet、DenseNet201、MobileMNASNet、EfficientNet 和 MNASNet
  9. Rank-1 和 Rank-5 準確度
  10. PyTorch 和 Keras Cats vs Dogs PyTorch – 使用你自己的資料進行訓練
  11. PyTorch Lightning 教程 – 批量和 LR 選擇、張量板、回調、mGPU、TPU 等
  12. PyTorch Lightning – 遷移學習
  13. PyTorch 和 Keras 遷移學習和微調
  14. PyTorch 和 Keras 使用 CNN 作為特徵提取器
  15. PyTorch 和 Keras – Google Deep Dream
  16. PyTorch Keras – 神經風格遷移 + TF-HUB 模型
  17. 使用 Fashion-MNIST 資料集的 PyTorch 和 Keras 自動編碼器
  18. PyTorch 和 Keras – 生成對抗網路 – DCGAN – MNIST
  19. Keras – 超分辨率 SRGAN
  20. 項目 – Generate_Anime_with_StyleGAN
  21. CycleGAN – 把馬變成斑馬
  22. ArcaneGAN 推理
  23. PyTorch 和 Keras 連體網路
  24. 在 Keras 中使用 VGGFace 進行臉部識別
  25. PyTorch 與 FaceNet 的臉部相似性
  26. DeepFace – 年齡、性別、表情、頭部姿勢和識別
  27. 物件檢測 – 槍、手槍探測器 – Scaled-YOLOv4
  28. 物件檢測 – Mask 檢測 – TensorFlow 物件檢測 – MobileNetV2 SSD
  29. 物件檢測 – 手語檢測 – TFODAPI – EfficientDetD0-D7
  30. 物件檢測 – TinyYOLOv4 的坑洞檢測( Pot Hole Detection )
  31. 物件檢測 – 蘑菇型物體檢測 – Detectron 2
  32. 物件檢測 – 網站截圖區域檢測 – YOLOv4-Darknet
  33. 物件檢測 – 無人機海事檢測器 – Tensorflow Object Detection Faster R-CNN
  34. 物件檢測 – 棋子檢測 – YOLOv3 PyTorch
  35. 物件檢測 – 建築工地安全帽檢測 – EfficientDet-v2
  36. 物件檢測血細胞物體檢測 – YOLOv5
  37. 物件檢測 Plant Doctor 物件檢測 – YOLOv5
  38. 圖像分割 – Keras、U-Net 和 SegNet
  39. DeepLabV3 – PyTorch_Vision_Deeplabv3
  40. Mask R-CNN 演示
  41. Detectron2 – Mask R-CNN
  42. 訓練 Mask R-CNN – 形狀
  43. Yolov5 DeepSort Pytorch 教程
  44. DeepFakes – 第一階模型演示
  45. 視覺轉換器教程 PyTorch
  46. Keras 中的 Vision Transformer 分類器
  47. 使用 BigTransfer (BiT) 進行圖像分類
  48. 使用 Keras 進行深度估計
  49. 使用 Keras 的度量學習進行圖像相似性搜索
  50. 使用 Keras 進行圖像字幕
  51. 使用 Keras 的 CNN-RNN 架構進行影片分類
  52. 使用 Keras 使用 Transformers 進行影片分類
  53. 點雲分類 – PointNet
  54. 使用 PointNet 進行點雲分割
  55. 3D 圖像分類 CT 掃描
  56. 使用 TPU 進行 X 射線肺炎分類
  57. 使用 MIRNet 的低光圖像增強
  58. 驗證碼 OCR 破解器
  59. Flask Rest API – 伺服器和 Flask Web 應用程式
  60. Detectron2 – 身體姿勢

目標受眾

  • 大專/大學生各級大學生到博士(對做專案的人很有幫助)
  • 希望過渡到電腦視覺的軟體開發人員和工程師
  • 新創公司的創始人希望學習如何實施他們的偉大創意
  • 希望開始使用電腦視覺的業餘愛好者甚至高中生

講師簡介

Rajeev D. Ratan 資料科學家、計算機視覺專家和電機工程師 ( 更多講師主講課程介紹 )

大家好,我是 Rajeev,資料科學家與電腦視覺工程師。

我在愛丁堡大學獲得了計算機與電子工程學士學位以及 AI 碩士學位,在那裡我獲得了機器學習、電腦視覺和智慧機器人的廣泛知識。

我曾經發表過關於使用資料驅動的方法進行公共交通機率隨機建模的研究,甚至還參加了一個在愛丁堡大學機器人技術競賽中獲勝的小組。

我創辦了自己的電腦視覺新創公司,這是基於基於深度學習運用於教育的基礎上,從那時起,我也服務兩家電腦視覺領域新創公司和一家資料科學的跨國公司。

此前,我在加勒比最大的兩家電信運營商工作了8年,在那裡獲得了管理技術人員和部署複雜電信專案的經驗。

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

使用 Notion 來做上課筆記?

udemy 的課程講座數量動輒上百個,如果你要使用 Notion 當作是線上課程的筆記輔助工具,為這些講座建立與組織筆記是一件耗時且沒效率的工作

為了解決這個問題,Soft & Share 開發一個 chrome extension – LN+ for udemy ,可以根據 udemy 線上課程的課程大綱幫你自動建立成 Notion 筆記資料庫並產生筆記與課程的雙向關聯讓您專心上課與寫筆記就好,不用再煩惱課程筆記要放哪裡的問題!

🛫了解 LN+ for udemy 更多功能介紹請參考 – Learning Notes Plus for udmy


報名參加課程

Sponsored by Udemy


🛫使用關鍵字連結獲得更多線上學習資訊?請參考這個網頁說明


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: