Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в разпознаването на обекти
- Основни принципи на разпознаването на обекти
- Приложения на разпознаването на обекти
- Метрики за ефективност на моделите за разпознаване на обекти
Преглед на YOLOv7
- Инсталация и настройка на YOLOv7
- Архитектура и компоненти на YOLOv7
- Предимства на YOLOv7 спрямо други модели за разпознаване на обекти
- Варианти на YOLOv7 и различията между тях
Процес на обучение на YOLOv7
- Подготовка и анулиране на данни
- Обучение на модели с помощта на популярни рамки за дълбоко обучение (TensorFlow, PyTorch и др.)
- Файн-тюнинг на предобучени модели за персонализирано разпознаване на обекти
- Оценка и настройка за оптимална ефективност
Имплементиране на YOLOv7
- Имплементиране на YOLOv7 в Python
- Интегриране с OpenCV и други библиотеки за компютърно зрение
- Деплиране на YOLOv7 на устройства за ръб (edge devices) и облачни платформи
Напреднали теми
- Следене на множество обекти с YOLOv7
- YOLOv7 за 3D разпознаване на обекти
- YOLOv7 за разпознаване на обекти във видео
- Оптимизиране на YOLOv7 за ефективност в реално време
Изисквания
- Опит с програмиране на Python
- Разбиране на основите на дълбокото обучение (deep learning)
- Знания за основите на компютърното зрение
Аудитория
- Инженери по компютърно зрение
- Изследователи в областта на машинното обучение
- Данъчни учени
- Разработчици на софтуер
21 Часа
Отзиви от участници (1)
Практически и приложен
Keeren Bala Krishnan - PENGUIN SOLUTIONS (SMART MODULAR)
Курс - Computer Vision with Python
Машинен превод