Машинное зрение: распознавание объектов на Python

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

Первый курс из серии Машинное зрение посвящен распознаванию изображений с помощью нейронных сетей на Python. Курс состоит из 3 больших частей:

Введение в нейронные сети

Разберем основы нейросетей: нейрон, слои, связи, обратное распространение ошибки и многослойный перцептрон. Изучим особенности обучения и оптимизации нейросетей.

Погрузимся в сверточные нейросети и разберем архитектуры LeNet, AlexNet, VGG и ResNet.

Распознавание цифр

Применим теоретические знания на практике. Используем Python и Keras для создания и обучения моделей нейронных сетей для успешного распознавания рукописных цифр - набора MNIST.

Разберем все прикладные особенности работы с нейросетями в Keras:

• Особенности оцифрованных изображений.

• Создание моделей и слоев.

• Преобразование форм данных (многомерных массивов).

• Генераторы и дополнение изображений.

• Обучающая, тестовая и валидационные выборки.

• Функции оптимизации и пакеты обучения.

• Прикладная оптимизация нейросети.

• Визуализация процесса обучения.

• Пакетная нормализация, регуляризация и отсев.

• Методы инициализации весов.

Распознавание автомобильных номеров

Используем обучающую выборку из изображений цифр автомобильных номеров для распознавания реального номера автомобиля.

• Загрузка, фильтрация и преобразование изображений.

• Генераторы обучения из директорий.

• Изменение контраста, резкости и маски гистограмм изображений.

• Распознавание одного из 21 класса изображений - цифры и буквы.

• Использование обученной модели на реальных данных.

Курсовым проектом будет ваша собственная обученная нейросеть, распознающая номера автомобилей по фотографии.