Kursus Machine Learning: Pengenalan Plat Nomor Otomatis, Aplikasi Web OCR dengan Python

Belajar Mengembangkan Deteksi Objek Plat Lisensi, OCR, dan Membuat Proyek Aplikasi Web menggunakan Deep Learning, TensorFlow 2, Flask

Apa yang akan Anda pelajari?

• Deteksi Objek d ari Awal

• Deteksi Plat Nomor

• Ekstrak teks dari Gambar menggunakan Tesseract

• Latih InceptionResnet V2 di TensorFlow 2 untuk Deteksi Objek

• API Web Berbasis Labu

• Pelabelan Data Deteksi Objek menggunakan Alat Anotasi Gambar

Persyaratan

• Pengetahuan dasar tentang Python

• Pengetahuan tentang Deep learning dengan TensorFlow

• Dasar-dasar HTML

Keterangan

Selamat datang di DETEKSI NOMOR DAN OCR: PROYEK APLIKASI WEB BELAJAR MENDALAM dari awal

Pemrosesan Gambar dan  Deteksi Objek  adalah salah satu bidang Ilmu Data dan memiliki beragam aplikasi di industri di dunia saat ini. Banyak industri mencari Ilmuwan Data dengan keterampilan ini. Kursus ini mencakup teknik pemodelan termasuk  pelabelan  data Deteksi Objek (gambar), pra-pemrosesan data, pembuatan Model Pembelajaran Mendalam (  InceptionResNet V2  ), evaluasi, dan produksi (Aplikasi Web)

Kami memulai kursus  Arsitektur Proyek  yang diikuti untuk Mengembangkan Aplikasi ini dengan Python. Kemudian saya akan menunjukkan cara mengumpulkan data dan  label gambar untuk deteksi objek Plat Nomor atau Plat Nomor menggunakan Image Annotation Tool  yang merupakan perangkat lunak open-source yang dikembangkan dengan python GUI (pyQT).

Kemudian setelah kami memberi label pada gambar, kami akan mengerjakan prapemrosesan data, membangun, dan  melatih model deteksi objek pembelajaran mendalam (InceptionResnet V2) di TensorFlow 2  . Setelah model dilatih dengan kerugian terbaik, kami akan mengevaluasi model tersebut. Saya akan menunjukkan cara menghitung

• Persimpangan Over Union (IoU)

• Ketepatan model deteksi objek.

Setelah kita selesai dengan model Object Detection, kemudian menggunakan model ini kita akan   yang juga disebut region of interest (ROI),  dan meneruskan   ke   dengan Python (Pytesseract ). Dalam model ini, saya akan menunjukkan cara mengekstrak  Sekarang, kita akan menggabungkan semuanya dan membangun model