توضیحات
دوره Deep Learning for Object Detection with Python and PyTorch. دوره آموزش عمیق برای تشخیص اشیا با پایتون و PyTorch. آیا آماده هستید تا با استفاده از یادگیری عمیق وارد دنیای شگفت انگیز تشخیص اشیا شوید؟ در دوره جامع خود “آموزش عمیق برای تشخیص اشیا با پایتون و PyTorch”، شما را از طریق مفاهیم و تکنیک های ضروری مورد نیاز برای شناسایی، طبقه بندی و مکان یابی اشیاء در تصاویر راهنمایی می کنیم. تشخیص اشیا طیف گسترده ای از کاربردهای واقعی بالقوه را در بسیاری از زمینه ها دارد. تشخیص اشیا برای وسایل نقلیه خودران برای درک و درک محیط اطراف خود استفاده می شود. به شناسایی و ردیابی عابران پیاده، وسایل نقلیه، علائم راهنمایی و رانندگی، چراغ های راهنمایی و سایر اشیاء در جاده کمک می کند. Object Detection برای نظارت و امنیت با استفاده از هواپیماهای بدون سرنشین برای شناسایی و ردیابی فعالیت های مشکوک، مزاحمان و اشیاء مورد علاقه استفاده می شود. تشخیص اشیا برای نظارت بر ترافیک، تشخیص کلاه ایمنی و پلاک خودرو، ردیابی بازیکن، تشخیص نقص، استفاده صنعتی و موارد دیگر استفاده می شود. با ترکیب قدرتمند برنامه نویسی پایتون و چارچوب یادگیری عمیق PyTorch، الگوریتم ها و معماری های پیشرفته ای مانند R-CNN، Fast RCNN و Faster R-CNN را بررسی خواهید کرد. در طول دوره، شما درک کاملی از شبکه های عصبی کانولوشن (CNN) و نقش آنها در تشخیص اشیا به دست خواهید آورد. شما یاد خواهید گرفت که چگونه از مدل های از پیش آموزش دیده استفاده کنید، آنها را برای تشخیص اشیا با استفاده از کتابخانه Detectron2 که توسط فیس بوک AI Research (FAIR) توسعه داده است، تنظیم کنید. این دوره، خط لوله کامل را با تجربه عملی تشخیص اشیا با استفاده از یادگیری عمیق با پایتون و PyTorch به شرح زیر پوشش می دهد:
- آموزش تشخیص اشیا با کدنویسی پایتون و پایتورچ
- یادگیری تشخیص اشیا با استفاده از مدل های یادگیری عمیق
- مقدمه ای بر شبکه های عصبی کانولوشنال (CNN)
- معماری های RCNN، Fast RCNN، Faster RCNN و Mask RCNN Architectures را بیاموزید
- تشخیص شی را با Fast RCNN و Faster RCNN انجام دهید
- معرفی Detectron2 توسط فیس بوک AI Research (FAIR)
- پیش‌فرم تشخیص شی با مدل‌های Detectron2
- مجموعه داده های تشخیص شی سفارشی را با حاشیه نویسی کاوش کنید
- با استفاده از یادگیری عمیق، تشخیص شی را در مجموعه داده سفارشی انجام دهید
- آموزش، تست، ارزیابی مدل های تشخیص اشیای خود و تجسم نتایج
- با استفاده از Mask RCNN، تقسیم‌بندی نمونه شی را در سطح پیکسل انجام دهید
- با Pytorch و Python تقسیم بندی نمونه شی را در مجموعه داده سفارشی انجام دهید
در پایان این دوره، دانش و مهارت های مورد نیاز برای شروع به کارگیری Deep Learning در تشخیص اشیاء در کار یا تحقیق خود را خواهید داشت. خواه مهندس بینایی کامپیوتر، دانشمند داده یا توسعه دهنده باشید، این دوره راهی عالی برای ارتقای درک شما از یادگیری عمیق به سطح بعدی است. بیایید این سفر هیجان انگیز آموزش عمیق برای تشخیص اشیا را با پایتون و PyTorch آغاز کنیم.
آنچه که در دوره Deep Learning for Object Detection with Python and PyTorch فرا خواهید گرفت
- آموزش تشخیص اشیا با کدنویسی پایتون و پایتورچ
- یادگیری تشخیص اشیا با استفاده از مدل های یادگیری عمیق
- مقدمه ای بر شبکه های عصبی کانولوشنال (CNN)
- معماری های RCNN، Fast RCNN، Faster RCNN و Mask RCNN Architectures را بیاموزید
- تشخیص شی را با Fast RCNN و Faster RCNN انجام دهید
- معرفی Detectron2 توسط فیس بوک AI Research (FAIR)
- پیش‌فرم تشخیص شی با مدل‌های Detectron2
- مجموعه داده های تشخیص شی سفارشی را با حاشیه نویسی کاوش کنید
- با استفاده از یادگیری عمیق، تشخیص شی را در مجموعه داده سفارشی انجام دهید
- آموزش، تست، ارزیابی مدل های تشخیص اشیای خود و تجسم نتایج
- با استفاده از Mask RCNN، تقسیم‌بندی نمونه شی را در سطح پیکسل انجام دهید
- با Pytorch و Python تقسیم بندی نمونه شی را در مجموعه داده سفارشی انجام دهید
این دوره مناسب افرادیست که
- این دوره برای طیف وسیعی از دانشجویان و متخصصان طراحی شده است، از جمله، اما نه محدود به: مهندسان یادگیری ماشین، مهندسان یادگیری عمیق، دانشمندان داده، مهندسان بینایی کامپیوتر، و محققانی که می خواهند یاد بگیرند که چگونه از PyTorch برای ساخت و آموزش یادگیری عمیق استفاده کنند. مدل هایی برای تشخیص اشیا
- به طور کلی، این دوره برای کسانی است که می خواهند یاد بگیرند که چگونه از یادگیری عمیق برای استخراج معنی از داده های بصری استفاده کنند و درک عمیق تری از تئوری و کاربردهای عملی تشخیص اشیا با استفاده از Python و PyTorch به دست آورند.
مشخصات دوره Deep Learning for Object Detection with Python and PyTorch
- ناشر: Udemy
- مدرس: Mazhar Hussain, AI & Computer Science School
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 2 ساعت و 26 دقیقه
- تعداد دروس: 24
سرفصل های دوره Deep Learning for Object Detection with Python and PyTorch
پیشنیازهای دوره Deep Learning for Object Detection with Python and PyTorch
- Object Detection using Deep Learning with Python and PyTorch is taught in this course by following a complete pipeline from Zero to Hero
- No prior knowledge of Semantic Segmentation is assumed. Everything will be covered with hands-on trainings
- A Google Gmail account is required to get started with Google Colab to write Python Code
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
1.1 گیگابایت
