Önceden Eğitilmiş CNN'ler ile Nesne Tespiti

Nesne tespiti, otonom sürüşten otomatik görüntü etiketlemeye kadar her şeye güç veren modern bilgisayarlı görünün merkezinde yer alır. Bu metin tabanlı kurs, görüntülerdeki nesneleri tespit etmek için önceden eğitilmiş Evrişimsel Sinir Ağlarını (CNNs) anlama ve kullanma konusunda net, adım adım bir yol sunar. Temel teoriden, yerleşik model mimarilerini güvenle seçmeye, çalıştırmaya ve değerlendirmeye geçiş yapacaksınız. Neler öğreneceksiniz: CNNs, sınırlayıcı kutular (bounding boxes) ve nesne yerelleştirme (object localization) temel kavramlarını anlayın; YOLO, SSD ve Faster R-CNN dahil olmak üzere önde gelen önceden eğitilmiş mimarileri keşfedin; Modern derin öğrenme kütüphanelerini kullanarak önceden eğitilmiş modelleri uygulayın; Intersection over Union (IoU) ve mean Average Precision (mAP) gibi temel metrikleri kullanarak tespit doğruluğunu değerlendirin; Mevcut modellerden belirli görevler için yararlanmak üzere transfer öğrenimi (transfer learning) ilkelerini uygulayın; Yazılı kavramsal testler ve kod analizi alıştırmaları ile bilginizi sınayın. Temel terminoloji ve sinir ağı temelleriyle başlayan kurs, sizi model seçimi, çıkarım boru hatları (inference pipelines) ve performans değerlendirmesi boyunca yönlendirir. Bu kurs, yalnızca temel programlama aşinalığı gerektiren, bilgisayarlı görü alanına girmeye hevesli yeni başlayanlar için tasarlanmıştır. Bilgisayarlı görü becerilerinizi geliştirmek için okumaya bugün başlayın.