Schulungsübersicht

Einführung

Übersicht der YOLO Pre-trained Models Features und Architektur

  • Der YOLO-Algorithmus
  • Regressionsbasierte Algorithmen zur Objekterkennung
  • Wie unterscheidet sich YOLO von RCNN?

Verwendung der geeigneten YOLO-Variante

  • Leistungsmerkmale und Architektur von YOLOv1-v2
  • Merkmale und Architektur von YOLOv3-v4

Installieren und Konfigurieren der IDE für YOLO-Implementierungen

  • Die Darknet-Implementierung
  • Die PyTorch- und Keras-Implementierungen
  • Die Ausführung von OpenCV und NumPy

Überblick über die Objekterkennung mit YOLO Pre-trained Models

Erstellen und Anpassen von Python Befehlszeilenanwendungen

  • Beschriftung von Bildern mit dem YOLO Framework
  • Bildklassifizierung basierend auf einem Datensatz

Erkennung von Objekten in Bildern mit YOLO-Implementierungen

  • Wie funktionieren Bounding Boxes?
  • Wie genau ist YOLO für die Instanzsegmentierung?
  • Analysieren der Kommandozeilenargumente

Extrahieren der YOLO-Klassenbezeichnungen, Koordinaten und Abmessungen

Anzeigen der resultierenden Bilder

Erkennung von Objekten in Videoströmen mit YOLO-Implementierungen

  • Wie unterscheidet sie sich von der grundlegenden Bildverarbeitung?

Training und Test der YOLO-Implementierungen auf einem Framework

Fehlerbehebung und Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Python 3.x Programmiererfahrung
  • Grundkenntnisse in beliebigen Python IDEs
  • Erfahrung mit Python argparse und Befehlszeilenargumenten
  • Kenntnisse von Bibliotheken für Computer Vision und maschinelles Lernen
  • Verständnis der grundlegenden Algorithmen zur Objekterkennung

Publikum

  • Backend-Entwickler
  • Datenwissenschaftler
  7 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (4)

Kombinierte Kurse

Verwandte Kategorien