Détection de masques faciaux avec TensorFlow et OpenCV

La vision par ordinateur transforme notre façon d'interagir avec les espaces publics et d'assurer la sécurité. La création d'un système de classification d'objets en temps réel est l'un des moyens les plus pratiques de maîtriser l'apprentissage profond. Dans ce cours textuel, vous apprendrez à concevoir, entraîner et implémenter un réseau neuronal convolutif (CNN) qui détecte automatiquement si les individus portent des masques faciaux. Vous commencerez par les concepts fondamentaux du prétraitement d'images et de la vision par ordinateur avant de passer à la mise en œuvre pratique à l'aide de TensorFlow et OpenCV. Ce que vous apprendrez : - Comprendre les concepts de base de la vision par ordinateur, de la représentation d'images et des architectures d'apprentissage profond. - Prétraiter des ensembles de données d'images brutes à l'aide de bibliothèques Python pour les préparer à l'entraînement de réseaux neuronaux. - Construire un réseau neuronal convolutif (CNN) à partir de zéro pour classifier les visages masqués et non masqués. - Appliquer l'apprentissage par transfert à l'aide d'architectures modernes et légères optimisées pour les appareils périphériques en temps réel. - Implémenter la détection de visages sur des images statiques et des flux vidéo en direct à l'aide d'OpenCV. - Évaluer les performances de votre modèle à l'aide de matrices de confusion, de précision, de rappel et du score F1. Le cours commence par les concepts fondamentaux du traitement d'images et de la conception de réseaux neuronaux. Vous progresserez ensuite à travers la préparation des données, l'entraînement du modèle et la mise en œuvre de l'inférence en temps réel à l'aide de pipelines de vision par ordinateur standard. Ce cours est conçu pour les débutants en science des données et en apprentissage automatique qui souhaitent créer un projet pratique de portefeuille en vision par ordinateur. Aucune expérience préalable en apprentissage profond n'est requise, bien qu'une familiarité de base avec Python soit utile. Commencez à lire dès aujourd'hui pour créer votre première application de vision par ordinateur dans le monde réel.