ConvNets, ResNet, Inception, R-CNN Lebih Cepat, SSD, Deteksi Objek TensorFlow, YOLOv4, License Plate OCR
Apa yang akan Anda pelajari?
-
Pelajari tentang model mutakhir dalam deteksi objek dan model klasifikasi gambar.
-
Anda akan mempelajari teori di balik berbagai algoritma dalam visi komputer secara ringkas.
-
Anda akan dapat menerapkan aplikasi Anda sendiri di Computer Vision
-
Cara mengumpulkan data gambar dari berbagai sumber
Persyaratan
- Konsep Pembelajaran Mesin, Aljabar Linier, Python, TensorFlow, Keras, dan OpenCV
Keterangan
Kursus ini difokuskan pada penerapan Deep Learning untuk klasifikasi citra dan pendeteksian objek . Kursus ini awalnya dirancang di TensorFlow versi 1.X tetapi sekarang pelajaran dan kode diperbarui dengan TensorFlow versi 2.X , terutama dengan menggunakan Google Colaboratory(Colab).
Jika Anda tidak memiliki GPU yang tersedia di sistem lokal Anda atau Anda ingin bereksperimen di lingkungan tanpa instalasi atau penyiapan sebelumnya, jangan khawatir Anda dapat mengikuti kursus dengan lancar karena semua kode telah dioptimalkan di Google Colab.
Kursus dimulai dengan ulasan singkat tentang konsep-konsep utama dalam****Deep Learning , karena kursus ini berfokus pada penerapan Deep Learning di bidang computer vision.
Tugas utama visi komputer yang tercakup dalam kursus ini adalah klasifikasi gambar dan deteksi objek .
Akhirnya dalam bab Deteksi Objek kita akan mengeksplorasi teori dan aplikasi menggunakan pendekatan Transfer Learning menggunakan algoritma state of the art terbaru dengan aplikasi praktis. Beberapa konten dalam Bab ini adalah sebagai berikut:
– Latar belakang teoritis untuk algoritma Pencarian Selektif,
– Latar belakang teoritis untuk R-CNN, R-CNN Cepat dan R-CNN Lebih Cepat,
– Aplikasi R-CNN yang lebih cepat pada dataset BCCD untuk mendeteksi sel darah ,
– Latar belakang teoritis untuk Single Shot Detector (SSD),
