Udemyexpertru

Машинное зрение: распознавание объектов на Python

Learn to train and optimize convolutional neural networks (CNNs) for image object recognition. Master image analysis and deep learning techniques.

3.8(24)
171students
5h 6m
Certificate
Центр digital-профессий ITtensive
Центр digital-профессий ITtensiveТехнические специальности

Course Content

Машинное зрение: распознавание объектов на Python is an advanced Udemy course taught by Центр digital-профессий ITtensive. It runs 5h 6m, is taught in Russian, and includes a certificate of completion. Learners rate it 3.8 out of 5 from 24 reviews, with 171 students enrolled. It is a paid course, last updated November 2020.

Чтобы получить доступ к курсам ITtensive на Udemy, пожалуйста, напишите на support@ittensive.com, указав название интересующего вас курса или группы курсов.

Начните свое путешествие в мир машинного зрения с нашего вводного курса! Этот курс, первый в серии, посвящен распознаванию изображений с использованием нейронных сетей на языке Python. Курс разделен на три ключевые части:

  • Введение в нейронные сети: Мы разберем фундаментальные концепции нейронных сетей, включая нейроны, слои, связи, обратное распространение ошибки и многослойный перцептрон. Вы изучите особенности обучения и оптимизации нейронных сетей, необходимые для успешной работы с ними.

  • Сверточные нейронные сети (CNN): Погрузитесь в архитектуры сверточных нейронных сетей, изучив такие популярные модели, как LeNet, AlexNet, VGG и ResNet. Узнайте, как они работают и почему они так эффективны в задачах компьютерного зрения.

  • Распознавание цифр: Примените полученные знания на практике, используя Python и Keras для создания и обучения моделей нейронных сетей для распознавания набора данных MNIST (рукописные цифры). Мы подробно рассмотрим все прикладные особенности работы с нейросетями в Keras, включая:

    • Особенности работы с оцифрованными изображениями.
    • Создание моделей и слоев.
    • Преобразование форм данных (многомерных массивов).
    • Использование генераторов и дополнения изображений.
    • Разделение данных на обучающие, тестовые и валидационные выборки.
    • Функции оптимизации и пакетное обучение.
    • Прикладная оптимизация нейросети.
    • Визуализация процесса обучения.
    • Пакетная нормализация, регуляризация и отсев.
    • Методы инициализации весов.
  • Распознавание автомобильных номеров: Мы применим навыки распознавания изображений для решения реальной задачи – распознавания автомобильных номеров. Вы научитесь:

    • Загружать, фильтровать и преобразовывать изображения.
    • Создавать генераторы обучения из директорий.
    • Изменять контраст, резкость и применять маски гистограмм изображений.
    • Распознавать один из 21 класса изображений (цифры и буквы).
    • Использовать обученную модель на реальных данных.

Курсовой проект: Создайте собственную обученную нейросеть, способную распознавать автомобильные номера по фотографии! Этот практический опыт позволит вам закрепить полученные знания и создать полезный инструмент.

$ whoami — the devs behind tutorialsearch.io

Want AI in your product? Hire the team behind TutorialSearch.io

LLM features, RAG, agents and automation wired into a real product — built by the devs who shipped this site.