پیشنهاد فرادرس

آموزش پروژه های بینایی رایانه ای با Python 3

دسته بندی ها: آموزش پایتون (Python) ، آموزش های Packtpub ، هوش مصنوعی

زبان برنامه نویسی Python یک پلتفرم ایده آل برای سرعت نمونه سازی و توسعه کدهای تولید برای پردازش تصویر و بینایی رایانه با سینتکس قوی آن و ثروت از کتابخانه های قدرتمند است. در این دوره با راه اندازی  Anaconda Python برای سیستم عامل های اصلی با پیشرفته ترین کتابخانه های شخص ثالث برای بینایی رایانه ای،  تکنیک های پیشرفته ای برای طبقه بندی تصاویر و پیدا کردن و شناسایی افراد در فیلم ها، راه اندازی Anaconda Python 3، ابزار یادگیری OpenCV و TensorFlow و همچنین Dlib و غیره آشنا می شوید.

سرفصل:

  • معرفی دوره
  • دانلود و نصب Python 3 / Anaconda
  • نصب کتابخانه های اضافی
  • بررسی Jupyter Notebook
  • تشخیص عددی دست نوشته با scikit-learn و TensorFlow
  • دريافت و پردازش داده MNIST Digit
  • ایجاد و آموزش یک ماشین بردار پشتیبانی
  • معرفی TensorFlow با طبقه بندی Digit
  • ارزیابی نتایج
  • ردیابی و طبقه بندی ویژگی های صورت با dlib
  • معرفی dlib
  • Facial Landmarks چیست؟
  • مثال اول - پیدا کردن 68 نشانه صورت در تصاویر
  • مثال دو - چهره در فیلم ها
  • مثال سه - تشخیص چهره
  • طبقه بندی تصویر با TensorFlow
  • بازآموزی با تصاویر خود
  • سرعت بخشیدن به محاسبات با پردازنده های گرافیکی یا GPU
به این نوشته امتیاز دهید 1 2 3 4 5 بدون امتیاز
Computer Vision Projects with Python 3 [Video] Publisher:Packtpub Author:Matthew Rever Duration:2 hours and 19 minutes

Explore Python’s powerful tools for extracting data from images and videos
The Python programming language is an ideal platform for rapidly prototyping and developing production-grade codes for image processing and computer vision with its robust syntax and wealth of powerful libraries.
This video course will start by showing you how to set up Anaconda Python for the major OSes with cutting-edge third-party libraries for computer vision. You’ll learn state-of-the-art techniques to classify images and find and identify humans within videos.
Next, you’ll understand how to set up Anaconda Python 3 for the major OSes (Windows, Mac, and Linux) and augment it with the powerful vision and machine learning tools OpenCV and TensorFlow, as well as Dlib. You’ll be taken through the handwritten digits classifier and then move on to detecting facial features and finally develop a general image classifier.
By the end of this course, you’ll know the basic tools of computer vision and be able to put it into practice.
The code bundle for this video course is available at - https://github.com/PacktPublishing/Computer-Vision-Projects-with-Python-3
Style and Approach
This video tutorial offers a project-based approach to teach you the skills required to develop computer vision solutions in Python.
Released: Tuesday, June 26, 2018
Introduction and Tool Setup
The Course Overview
Downloading and Installing Python 3/Anaconda
Installing Additional Libraries
Exploring the Jupyter Notebook
Handwritten Digit Recognition with scikit-learn and TensorFlow
Acquiring and Processing MNIST Digit Data
Creating and Training a Support Vector Machine
Applying the Support Vector Machine to New Data
Introducing TensorFlow with Digit Classification
Evaluating the Results
Facial Feature Tracking and Classification with dlib
Introducing dlib
What Are Facial Landmarks?
Example One – Finding 68 Facial Landmarks in Images
Example Two – Faces in Videos
Example Three – Facial Recognition
Deep Learning Image Classification with TensorFlow
A Deeper Introduction to TensorFlow
Using a Pre-Trained Model (Inception) for Image Classification
Retraining with Our Own Images
Speeding Up Computations with GPUs

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 511.0MB Packtpub Computer Vision Projects with Python 3 [Video]_git.ir.rar