自駕車與機器學習都是未來趨勢，你可以做旁觀者或實際參與這科技革命的盛會。 對於無視覺障的人來說，看得見和看得懂並即時反應，似乎是很自然的事，但對於機器來說，讓它看得見並看得懂，做出正常的簡單反應，卻牽涉到好幾年的研究才達到今天的成果。 電腦視覺將是正在發生的科技革命必要的技術之一。

課程說明

想參與下一代消費者和企業應用的工程？

你可以學習和掌握一些和下面應用相關的電腦視覺技術：

• 自駕車
• 微軟Kinect
• Google圖片搜索
• Snapchat和Instagram濾鏡

在這個7小時的課程中，你將使用Python學習電腦視覺，並開發諸如圖像過濾和處理、模式識別、機器學習和臉部檢測等主題的技能。

這些為下一代消費者和企業應用的主要技術，需求遍及物聯網、廣告到遊戲。 我們希望幫助你參與這科技革命的盛會，從中獲利。

該課程包括理論，大量實際程式設計和示例，建構你的履歷投資組合的挑戰。學生可以下載原始碼、專案和挑戰解決方案。挑戰包括：

• 收據分段 – 在圖像中查找文本
• 貨幣清算 – 計算圖像中的硬幣和美元鈔票
• 多對象匹配 – 使用模式匹配演算法查找薩爾達傳說(The Legend of Zelda遊戲) 的盧比(rupee,貨幣)
• 面對交換 – 交換兩個人的臉的應用程式

應用都有理論做補充。我們將討論與此相關的數學和處理程序，幫助你澄清觀念。

• 顏色空間轉換
• 分割
• 過濾器
• 形態學
• 邊緣檢測
• 機器學習
• 面部檢測

在課程結束時，學生將學習基本的電腦視覺技術，並能夠將電腦視覺和圖像處理應用於自己的圖像，用於各種酷炫任務，如構建自己的圖像過濾器、分割圖像，甚至檢測面部圖片！

機器學習如何涵蓋在課程中？

在這個課程中，我們將討論一些非常基本的監督機器學習主題，如支持向量機(support vector machines)、決策樹和Adaboost。這些只是 cascade classifiers進行面部檢測的一些基本主題，它們使用Adaboost和決策樹來確定圖像中是否存在面孔或眼睛。但是要了解 cascade classifiers的工作原理，我們首先需要了解Adaboost和決策樹的工作原理。然而，兩者都是在監督學習中使用的技術。要了解監督學習，我們將使用支持向量機(support vector machines)。

課程要求

• 基本的Python技能
• 高中代數
• Linux或具有Linux的虛擬機（在課程中教你安裝安裝）

課程作者

Mohit Deshpande是iOS和Android開發中的幾個ZENVA課程的軟件開發人員作品 (包括 Advanced Android App Development – From Padawan to Jedi)

Mohit是電腦科學家。他的研究領域和主要的專業領域是電腦視覺和人工智能。

更多資訊與購買

你可能會有興趣