CNNs und YOLO: Grundlagen der Objekterkennung

Sind Sie fasziniert von Computer Vision Anwendungen wie selbstfahrende Autos oder Sicherheitsüberwachung, und fragen sich, wie Computer Objekte "sehen"? Objekterkennung ist eine Kerntechnik, die diese intelligenten Systeme antreibt. Dieser Kurs bietet eine umfassende, textbasierte Einführung in die grundlegenden Konzepte hinter Convolutional Neural Networks (CNNs) und dem You Only Look Once (YOLO) Algorithmus. Am Ende des Kurses verfügen Sie über ein solides theoretisches und praktisches Verständnis, wie diese leistungsstarken Tools mehrere Objekte in einem Bild identifizieren und lokalisieren, sodass Sie sich den Herausforderungen des Computer Vision in der realen Welt nähern können. Was Sie lernen: Verstehen Sie die Kernarchitektur und den Betrieb von Convolutional Neural Networks (CNNs). Lernen Sie die Grundprinzipien des YOLO-Objekterkennungs-Algorithmus (You Only Look Once) kennen. Wenden Sie Konzepte wie Bounding Box-Prognose und Klassen-Konfidenz-Scoring für die Objektlokalisierung an. Üben Sie die Auswertung von Objekterkennungsmodellen mit Schlüsselmetriken wie Intersection over Union (IoU) und Mean Average Precision (mAP). Erfahren Sie, wie Datenerweiterung und Transfer-Learning die Leistung von Objekterkennungsmodellen verbessern. Interpretieren Sie die Ergebnisse von Objekterkennungsalgorithmen und beheben Sie häufige Probleme. Der Kurs beginnt mit einer Erkundung der Grundlagen von CNN und geht dann auf die Besonderheiten des YOLO-Algorithmus ein. Wir tauchen dann in praktische Aspekte der Modellbewertung ein und führen moderne Techniken zur Verbesserung der Modellrobustheit und -genauigkeit ein. Dieser Kurs richtet sich an absolute Anfänger, die sich für Computer Vision und Deep Learning interessieren und keine Vorkenntnisse in diesen spezifischen Bereichen haben. Beginnen Sie Ihre Reise in das spannende Feld der Objekterkennung und erschließen Sie neue Möglichkeiten in der Computer Vision.