Wykrywanie maski na twarz za pomocą TensorFlow i OpenCV

Wizja komputerowa zmienia sposób, w jaki wchodzimy w interakcję z przestrzeniami publicznymi i zapewniamy bezpieczeństwo.Budowanie systemu klasyfikacji obiektów w czasie rzeczywistym jest jednym z najbardziej praktycznych sposobów opanowania głębokiego uczenia się. W tym kursie tekstowym dowiesz się, jak zaprojektować, przeszkolić i wdrożyć zwojową sieć neuronową (CNN), która automatycznie wykrywa, czy osoby noszą maski na twarz.Zaczniesz od podstawowych pojęć wstępnego przetwarzania obrazu i wizji komputerowej, zanim przejdziesz do praktycznej implementacji za pomocą TensorFlow i OpenCV. Czego się nauczysz: - Zrozum podstawowe pojęcia widzenia komputerowego, reprezentacji obrazu i architektur głębokiego uczenia się. - Przetwarzaj wstępnie surowe zbiory danych obrazów za pomocą bibliotek Python, aby przygotować je do treningu sieci neuronowej. - Zbuduj zwojową sieć neuronową (CNN) od podstaw, aby sklasyfikować zamaskowane i niezamaskowane twarze. - Zastosuj uczenie transferowe przy użyciu nowoczesnych, lekkich architektur zoptymalizowanych pod kątem urządzeń brzegowych w czasie rzeczywistym. - Wdrażaj wykrywanie twarzy na obrazach statycznych i strumieniach wideo na żywo za pomocą OpenCV. - Ocenić wydajność modelu za pomocą matryc zamieszania, precyzji, przypomnienia i F1-score. Następnie przejdziesz przez przygotowanie danych, szkolenie modelu i implementację wnioskowania w czasie rzeczywistym przy użyciu standardowych potoków wizji komputerowej. Ten kurs jest przeznaczony dla początkujących w dziedzinie nauki o danych i uczenia maszynowego, którzy chcą zbudować praktyczny projekt portfela wizji komputerowej.Nie jest wymagane wcześniejsze doświadczenie z głębokim uczeniem się, chociaż pomocna jest podstawowa znajomość Pythona. Zacznij czytać już dziś, aby zbudować swoją pierwszą aplikację wizyjną w świecie rzeczywistym.