Машинное зрение: локализация объектов на Python
Обработка изображений с помощью фильтров, градиентов, каскадов и нейросетей для выделения форм и областей
Авторы: Центр digital-профессий ITtensive
Опубликовано: 12/2020
Чему вы научитесь
Описание
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:
Выделение объектов
Применим общие подходы к обнаружению различных форм на изображении на примере человеческих лиц.
Выделение признаков
Используем дескрипторы ключевых точек для масштабно-инвариантных преобразований.
Сегментация изображений
В заключении разберем нейросетевые подходы для локализации классов объектов на изображении.
Для кого этот курс:
www.udemy.com/course/ittensive-machine-vision-localization/
Обработка изображений с помощью фильтров, градиентов, каскадов и нейросетей для выделения форм и областей
Авторы: Центр digital-профессий ITtensive
Опубликовано: 12/2020
Чему вы научитесь
Описание
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.
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.
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.
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.
Для кого этот курс:
- Разработчики систем машинного зрения
- Инженеры по работе с графическими данными
- Научные работники и исследователи данных
www.udemy.com/course/ittensive-machine-vision-localization/