Машинное зрение: локализация объектов на Python

Обработка изображений с помощью фильтров, градиентов, каскадов и нейросетей для выделения форм и областей

3.22 (9 reviews)
Udemy
platform
Русский
language
Data Science
category
56
students
3 hours
content
Dec 2020
last update
$34.99
regular price

What you will learn

Графические фильтры и операторы

Детектор границ Канни

Контуры и ориентация изображения

Направляющие и эллипсы Хафа

Примитивы и каскады Хаара

Локальные бинарные шаблоны

Направленные градиенты

Дескрипторы ключевых точек

SIFT и SURF

ORB, FAST, BRIEF

Панорамное изображение

Моменты изображения

Глубокие нейросети

YOLO

Mask R-CNN

MobileNet-SSD

Сегментационные нейросети

Description

Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на support@ittensive.com с названием курса или группы курсов, которые хотите пройти.


Второй курс из серии Машинное зрение посвящен локализации объекта на изображениях с помощью OpenCV на Python. Для работа по курсу необходимо установить модули numpy pandas sklearn keras tensorflow pillow opencv-python opencv-contrib-python scikit-image cmake face_recognition mrcnn.

Курс состоит из 4 больших частей:

Выделение форм

Разберем базовые подходы к фильтрации изображений и освоим авто-поворот изображений:

  • Графические фильтры: четкость, размытие, наращивание и эрозия.

  • Восстановление резкости: адаптивные гистограммы, Ричардсон-Люси, маска нечеткости и устранение шума.

  • Выделение границ по Собелю, Щару и Канни.

  • Сбор контуров из границ, ограничивающие прямоугольники и поворот изображения.

  • Преобразования Хафа и выделение окружностей.

В заключении соберем простой сканер штрих-кодов на изображении.

Выделение объектов

Применим общие подходы к обнаружению различных форм на изображении на примере человеческих лиц.

  • Примитивы Хаара и каскады Виолы-Джонса.

  • Гистограммы направленных градиентов.

  • Глубокие нейросети.

  • Локальные бинарные шаблоны гистограмм.

Для закрепления материала обнаружим лица на фотографиях и распознаем их.

Выделение признаков

Используем дескрипторы ключевых точек для масштабно-инвариантных преобразований.

  • SIFT и SURF.

  • ORB, FAST и BRIEF.

  • Моменты изображения.

  • Трехмерная трансформация и повороты.

  • Объединение изображений в панораму.

Объединим несколько изображений в панораму, используя ключевые точки.

Сегментация изображений

В заключении разберем нейросетевые подходы для локализации классов объектов на изображении.

  • YOLO: You Only Look Once.

  • Mask R-CNN: Regions CNN.

  • MobileNet-SSD: Single Shot Detection.

  • Сегментационные нейросети.

В качестве курсового проекта обработаем набор реальных фотографий для подготовки их к задаче распознавания или классификации.


Content

Введение

Приветствие
Задачи машинного зрения

Выделение форм

Графические фильтры
Восстановление резкости
Выделение границ
Контуры и ориентация
Геометрические формы

Выделение объектов

Каскады Хаара
Направленные градиенты (HOG)
Глубокие нейросети (DNN)
Бинарные шаблоны (LBPH)

Выделение признаков

SIFT
BRIEF и ORB
Моменты изображения
Трансформация и повороты
Объединение изображений

Сегментация изображений

YOLO
Mask R-CNN
MobileNet-SSD
Сегментация изображения
Курсовой проект

Screenshots

Машинное зрение: локализация объектов на Python - Screenshot_01Машинное зрение: локализация объектов на Python - Screenshot_02Машинное зрение: локализация объектов на Python - Screenshot_03Машинное зрение: локализация объектов на Python - Screenshot_04

Reviews

Alexandr
December 6, 2022
курс так себе, могло быть на много лучше, темы которые самые необходимые не раскрыты на столько как необходимо, за 5 минут пытается что-то рассказать, код не весь работает, запускается не всё, ссылки тоже не отрываются. Нудный голос лектора не воспринимается... можно купить только если с английским туго, англоязычные курсы лучше.

Charts

Price

Машинное зрение: локализация объектов на Python - Price chart

Rating

Машинное зрение: локализация объектов на Python - Ratings chart

Enrollment distribution

Машинное зрение: локализация объектов на Python - Distribution chart
3693938
udemy ID
12/9/2020
course created date
12/12/2020
course indexed date
Bot
course submited by