fbpx

利用自訂的資料對 YOLO v3 進行目標檢測的訓練

以對影像、視訊及實時相機攝影標記、培訓和測試,建立自己的檢測器( detector )

報名參加課程

已經上過這門課程?

🔥歡迎來參加這個活動 – 上課心得分享與獎勵說明 :分享就贈送一門線上課程

從這 6.5 小時的課程,你會學到

  • 應用已經訓練的 YOLO v3 做對影像、視訊和實時相機攝影的物件檢測
  • 以 YOLO 格式標記自己的資料集和結構檔案
  • 以 YOLO 格式建立自定義資料集
  • 以 YOLO 格式轉換現有交通號誌資料集
  • 在 Darknet 框架中訓練 YOLO v3
  • 基於 YOLO v3 演算法構建自己的 PyQt 物件檢測圖形使用者介面

要求

  • 物件檢測演算法的基本知識
  • YOLO v3 工作原理的基礎知識
  • Python v3 中級知識
  • OpenCV 的基本知識
  • 關於如何使用 Anaconda Environments 的基礎知識
  • 如何使用 PyCharm IDE 或任何其他 Python IDE 的基礎知識
  • 基本上如何與終端視窗或 Anaconda Prompt(提示)工作
  • 推薦安裝 Linux Ubuntu,但不是必要的

課程說明

在這個實踐課程中,你將使用 YOLO v3 演算法來訓練你自己的物件檢測器( Object Detector )。

至於開始,你將在 COCO 資料集上實施已經訓練好的 YOLO v3。 你可以通過 OpenCV 深度學習程式庫檢測影像、視訊和實時的物件。 你可以稍後整合這些程式碼樣板到你自己的未來專案中,並將其用於你自己受過訓練的模型。

在此之後,你將標記自己的資料集,以及從現有的龐大資料集中提取所需的影像建立自訂的一個資料集。

接下來,你將把交通號誌資料集轉換成 YOLO 格式。 用於轉換的程式碼樣板可以在以後的工作中修改和應用其他資料集。

資料集準備好後,你將在 Darknet 框架中訓練和測試 YOLO v3 探測器。

至於獎勵部分,你將在 YOLO 和 PyQt 的幫助下構建目標檢測( Object Detection )的圖形使用者介面。 這個專案你可以向你的上司展示你的成果,或者在同學面前做一個演示,甚至在你的簡歷中提到它。

內容組織。課程的每個部分包括:

  • 視訊
  • 程式設計守則
  • 程式碼樣板
  • 活動
  • 小測驗
  • 可下載的指示
  • 討論機會

目標受眾

  • 學習電腦視覺並想知道如何使用 YOLO v3 進行物體檢測的學生
  • 瞭解 YOLO 基礎知識但想知道如何使用新資料訓練 YOLO v3 的學生
  • 學習目標檢測演算法並希望用 YOLO 格式標記自己的資料的學生
  • 使用現有資料集進行物件檢測但希望將其轉換為 YOLO 格式的學生
  • 研究不同的物件檢測演算法,並希望訓練 YOLO v3 與自訂的資料和與不同的方法比較結果的研究人員

講師簡介

Valentyn Sichkar 電腦視覺,機器學習,影像處理 (更多講師主講課程介紹)

我是智慧系統的博士生。學習電腦視覺、機器學習、影像處理,開發安全自駕車輛的演算法。

我擁有製造自動化專業的理學學士學位,在那裡我獲得如何通過整合更有效的裝置來提高生產速度和品質的知識,比如不間斷過濾、速度和實時溫度控制,以及用於對不同類型的產品進行分類和分類的光學感測器。

我已獲得了智慧系統碩士學位,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。 我的最後一個專案是為移動機器人開發警報系統,該系統可以提供與目標的距離資訊 – 安全距離、警吿距離和報警距離。 該系統在移動機器人周圍形成一個帶有綠色、黃色和紅色區域的氣泡,以防止機器人與障礙物的碰撞。

我已經發表的研究使用不同維度的過濾器卷積神經網路(ConvNet)的交通標誌有效分類。 為了有機會線上測試分類,我在 Linux VPS 和 Flask 框架的基礎的 Web 上部署了訓練有素的 ConvNet。

專業興趣: 電腦視覺,卷積神經網路,自動駕駛汽車系統,自主機器人

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

報名參加課程

Sponsored by Udemy

也許你會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

Spread the love

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 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: