Машинное зрение: распознавание объектов на Python [Udemy] [Центр digital-профессий ITtensive]

Машинное зрение: распознавание объектов на Python
Обучение и оптимизация сверточных нейросетей для распознавания объектов на изображениях
Авторы: Центр digital-профессий ITtensive
Опубликовано: 9/2020

Чему вы научитесь

• Распознавание чисел и букв на фотографиях
• Использование нейронных сетей на реальных данных
• Обработка и коррекция изображений
• Искусственные нейронные сети: слои, веса, обучение
• Модели нейронных сетей Keras/TensorFlow
• Использование LeNet, AlexNet, VGG и ResNet для распознавания цифр
• Оптимизация нейронных сетей
• Функции оптимизации: SGD, RMSprop, (N)adam, Adamax
• Перенос обучения нейронных сетей
• Изменение контраста, гистограммы яркости и резкость
• Курсовой проект: Распознавание номеров автомобилей

Описание
Первый курс из серии Машинное зрение посвящен распознаванию изображений с помощью нейронных сетей на Python. Курс состоит из 3 больших частей:

Введение в нейронные сети

Разберем основы нейросетей: нейрон, слои, связи, обратное распространение ошибки и многослойный перцептрон. Изучим особенности обучения и оптимизации нейросетей.

Погрузимся в сверточные нейросети и разберем архитектуры LeNet, AlexNet, VGG и ResNet.

Распознавание цифр

Применим теоретические знания на практике. Используем Python и Keras для создания и обучения моделей нейронных сетей для успешного распознавания рукописных цифр - набора MNIST.

Разберем все прикладные особенности работы с нейросетями в Keras:

• Особенности оцифрованных изображений.
  
  
• Создание моделей и слоев.
  
  
• Преобразование форм данных (многомерных массивов).
  
  
• Генераторы и дополнение изображений.
  
  
• Обучающая, тестовая и валидационные выборки.
  
  
• Функции оптимизации и пакеты обучения.
  
  
• Прикладная оптимизация нейросети.
  
  
• Визуализация процесса обучения.
  
  
• Пакетная нормализация, регуляризация и отсев.
  
  
• Методы инициализации весов.
  

Распознавание автомобильных номеров

Используем обучающую выборку из изображений цифр автомобильных номеров для распознавания реального номера автомобиля.

• Загрузка, фильтрация и преобразование изображений.
  
  
• Генераторы обучения из директорий.
  
  
• Изменение контраста, резкости и маски гистограмм изображений.
  
  
• Распознавание одного из 21 класса изображений - цифры и буквы.
  
  
• Использование обученной модели на реальных данных.
  

Курсовым проектом будет ваша собственная обученная нейросеть, распознающая номера автомобилей по фотографии.

Для кого этот курс:

• Разработчики систем машинного зрения
• Инженеры по работе с графическими данными
• Научные работники и исследователи данных

Скрытая ссылка