1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – YOLOv8: Video Object Detection with Python on Custom Dataset 2024-3

Udemy – YOLOv8: Video Object Detection with Python on Custom Dataset 2024-3

توضیحات

دوره YOLOv8: Video Object Detection with Python on Custom Dataset. این دوره آموزشی جامع، روش‌های استفاده از مدل پیشرفته YOLOv8 را برای تشخیص اشیاء در ویدئوها با پایتون آموزش می‌دهد. YOLOv8 که مخفف “You Only Look Once” است، یک شبکه عصبی کانولوشنی عمیق است که به دلیل سرعت و دقت بالا در پردازش تصاویر و ویدئوها شناخته شده است. در این دوره، شما با مفاهیم پایه تشخیص اشیاء، معماری YOLOv8 و روش‌های پیاده‌سازی آن روی داده‌های سفارشی آشنا خواهید شد. ابتدا مروری بر تاریخچه مدل‌های YOLO و تفاوت‌های نسخه‌های مختلف آن خواهید داشت، سپس یاد می‌گیرید چگونه محیط توسعه را راه‌اندازی کنید، داده‌های خود را آماده نمایید و مدل را آموزش دهید. این دوره شامل مباحثی مانند تنظیم پارامترهای مدل، ارزیابی عملکرد، تست روی ویدئوهای واقعی و روش‌های بهینه‌سازی نتایج است. شما همچنین یاد خواهید گرفت که چگونه مدل آموزش‌دیده را در پروژه‌های عملی مانند نظارت تصویری، تحلیل حرکات ورزشی و سیستم‌های خودران به کار بگیرید. با انجام پروژه‌های عملی در طول دوره، مهارت لازم برای استفاده از YOLOv8 در کاربردهای دنیای واقعی را کسب خواهید کرد. این دوره برای توسعه‌دهندگان، مهندسان هوش مصنوعی و علاقه‌مندان به پردازش تصویر و ویدئو طراحی شده است و پیش‌نیاز آن آشنایی مقدماتی با پایتون و یادگیری ماشین است. در پایان دوره، شما قادر خواهید بود سیستم‌های تشخیص اشیاء را با دقت بالا توسعه داده و در پروژه‌های مختلف پیاده‌سازی کنید.

آنچه که در دوره YOLOv8: Video Object Detection with Python on Custom Dataset فرا خواهید گرفت:

  • YOLOv8 برای تشخیص شی ویدئویی در زمان واقعی با پایتون
  • آموزش، تست YOLO8 روی مجموعه‌های داده سفارشی و استقرار در پروژه‌های خودتان
  • تشخیص فوتبال، بازیکن و داور در فیلم‌ها با پایتون
  • تشخیص وسایل نقلیه (آمبولانس، اتوبوس، ماشین، موتورسیکلت، کامیون) در فیلم‌ها
  • YOLO چیست و چگونه برای تشخیص شی کار می‌کند؟
  • نمای کلی خانواده YOLO (YOLO2، YOLO3، YOLO4، YOLO5، YOLO6، YOLO7، YOLO8)
  • نمای کلی CNN، RCNN، Fast RCNN و Faster RCNN
  • پیکربندی مجموعه داده سفارشی بازیکن فوتبال برای تشخیص شی در فیلم‌ها
  • پیکربندی مجموعه داده سفارشی وسایل نقلیه برای تشخیص شی در فیلم‌ها
  • YOLOv8 Ultralytics و تنظیمات HyperParameter آن
  • آموزش YOLOv8 برای تشخیص بازیکن، داور و فوتبال
  • آموزش YOLOv8 برای تشخیص وسایل نقلیه (آمبولانس، اتوبوس، ماشین، موتورسیکلت، کامیون)
  • تست مدل‌های آموزش دیده YOLOv8 روی فیلم‌ها و تصاویر
  • استقرار YOLOv8: مدل را به فرمت مورد نیاز صادر کنید
  • معیارهای عملکرد برای تشخیص شی چیست؟
  • محاسبه معیارهای عملکرد (Precision، Recall، Mean Average Precision mAP)

این دوره مناسب افرادیست که:

  • این دوره برای علاقه‌مندان به بینایی کامپیوتر، متخصصان یادگیری ماشین و یادگیری عمیق که می‌خواهند به دنیای تشخیص شی ویدئویی بپردازند، طراحی شده است.
  • چه مبتدی باشید که به دنبال ایجاد یک پایه قوی در تشخیص شی هستید یا یک متخصص با تجربه که قصد دارد مهارت‌های خود را افزایش دهد، این دوره بینش‌های ارزشمند و تجربه عملی با YOLOv8، یک الگوریتم تشخیص شی پیشرفته، ارائه می‌دهد.

مشخصات دوره YOLOv8: Video Object Detection with Python on Custom Dataset

سرفصل های دوره در تاریخ 2025/2

YOLOv8: Video Object Detection with Python on Custom Dataset

پیشنیازهای دوره YOLOv8: Video Object Detection with Python on Custom Dataset

  • A Google Gmail account is required to get started with Google Colab to write Python Code
  • Python Programming experience is an advantage but not required

تصاویر دوره

YOLOv8: Video Object Detection with Python on Custom Dataset

نمونه فیلم دوره

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 960 مگابایت

گذرواژه فایل(ها): www.downloadly.ir


حجم فایل

1.9 گیگابایت

رتبه دهید

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

فهرست