教程演示🔗
在实践中学习您需要了解的有关计算机视觉的一切！使用Python逐步构建项目！
你将学到什么
-
了解 Cascade 和 HOG 分类器检测人脸的基本直觉
-
使用OpenCV和Dlib库实现人脸检测
-
了解如何使用 OpenCV 检测其他物体，例如汽车、时钟、眼睛和人体全身
-
比较三种人脸检测器的结果：Haarcascade、HOG（定向梯度直方图）和 CNN（卷积神经网络）
-
使用图像和网络摄像头检测面部
-
了解LBPH算法识别人脸的基本直觉
-
使用OpenCV和Dlib库实现人脸识别
-
使用图像和网络摄像头识别面孔
-
了解 KCF 和 CSRT 算法执行对象跟踪的基本直觉
-
了解如何使用 OpenCV 库跟踪视频中的对象
-
学习您需要了解的有关神经网络背后理论的所有知识，例如：感知器、激活函数、权重更新、反向传播、梯度下降等等
-
实施密集神经网络对图像进行分类
-
了解如何从图像中提取像素和特征以构建神经网络
-
了解卷积神经网络背后的理论并使用 Python 和 TensorFlow 实现它们
-
实施迁移学习和微调，在图像分类时获得令人难以置信的结果
-
使用卷积神经网络对图像和视频中的以下情绪进行分类：快乐、愤怒、厌恶、恐惧、惊讶和中性
-
使用线性和卷积自动编码器压缩图像
-
使用当今最强大的算法之一 YOLO 检测视频图像中的对象
-
使用 OpenCV 识别视频中的手势和动作
-
了解如何使用 Deep Dream 创建致幻图像
-
了解如何通过风格转移复兴著名艺术家
-
使用 GAN（生成对抗网络）创建现实世界中不存在的图像
-
实施图像分割，从图像和视频中提取有用的信息
要求
-
编程逻辑
-
基础Python编程
描述
计算机视觉是人工智能的一个子领域，专注于创建能够以与人眼类似的方式处理、分析和识别视觉数据的系统。各个部门都有很多商业应用，例如：安全、营销、决策和生产。智能手机使用计算机视觉通过人脸识别来解锁设备，自动驾驶汽车使用它来检测行人并与其他车辆保持安全距离，安全摄像头使用它来识别环境中是否有人以发出警报。触发。
在本课程中，您将学习进入这个世界所需的一切。您将学习 14（十四）种主要计算机视觉技术的逐步实施。如果您从未听说过计算机视觉，在本课程结束时，您将对所有领域有一个实用的概述。您可以在下面看到您将实现的一些内容：
- 使用 OpenCV 和 Dlib 库检测图像和视频中的人脸
- 了解如何训练 LBPH 算法来识别人脸，同时使用 OpenCV 和 Dlib 库
- 使用 KCF 和 CSRT 算法跟踪视频中的对象
- 学习人工神经网络背后的整个理论并应用它们来对图像进行分类
- 实现卷积神经网络对图像进行分类
- 使用迁移学习和微调来改善卷积神经网络的结果
- 使用神经网络检测图像和视频中的情绪
- 使用自动编码器和 TensorFlow 压缩图像
- 使用 YOLO 检测物体，这是该任务最强大的技术之一
- 使用 OpenCV 识别视频中的手势和动作
- 使用 Deep Dream 技术创建致幻图像
- 使用风格迁移组合图像风格
- 使用 GAN（生成对抗网络）创建现实世界中不存在的图像
- 使用图像分割从图像中提取有用信息
您将学习算法的基本直觉，并使用 Python 语言和 Google Colab 逐步实现一些项目
本课程适合谁：
- 刚开始学习计算机视觉的初学者
- 正在学习人工智能相关学科的本科生
- 想要使用计算机视觉解决自己的问题的人
- 想要在开发计算机视觉项目的公司工作的学生
- 想要了解计算机视觉所有领域以及这些技术能够解决的问题的人
- 任何对人工智能或计算机视觉感兴趣的人
- 想要扩大自己的投资组合的数据科学家
- 想要了解如何将计算机视觉应用于实际项目的专业人士
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
