Buat detektor Anda sendiri dengan memberi label, melatih, dan menguji gambar, video, dan waktu nyata dengan kamera: YOLO v3 dan v4
Apa yang akan Anda pelajari
-
Terapkan YOLO v3-v4 yang sudah terlatih untuk Deteksi Objek pada gambar, video, dan waktu nyata dengan kamera
-
Beri label dataset sendiri dan struktur file dalam format YOLO
-
Latih detektor YOLO v3-v4 dalam kerangka kerja Darknet
-
Kumpulkan kumpulan data khusus dalam format YOLO
-
Konversi dataset Rambu Lalu Lintas yang ada dalam format YOLO
-
Bangun antarmuka pengguna grafis PyQt individu untuk Deteksi Objek berdasarkan algoritma YOLO v3-v4
Persyaratan
-
Pengetahuan dasar tentang algoritma Deteksi Objek
-
Dasar-dasar cara kerja YOLO
-
Pengetahuan menengah tentang Python v3
-
Pengetahuan dasar tentang OpenCV
-
Dasar-dasar tentang cara bekerja dengan Anaconda Environments
-
Dasar-dasar tentang cara bekerja dengan PyCharm IDE atau IDE Python lainnya
-
Dasar-dasar tentang cara bekerja dengan Terminal Window atau Anaconda Prompt
-
Menginstal Linux Ubuntu adalah opsional, tetapi disarankan
Keterangan
Dalam kursus praktik ini , Anda akan melatih Detektor Objek Anda sendiri menggunakan algoritme YOLO v3-v4.
-
Sebagai permulaan, Anda akan mengimplementasikan YOLO v3-v4 yang sudah dilatih pada dataset COCO. Anda akan mendeteksi objek pada gambar , video , dan secara real time dengan perpustakaan pembelajaran mendalam OpenCV. Templat kode yang dapat Anda integrasikan nanti dalam proyek masa depan Anda sendiri dan menggunakannya untuk detektor YOLO terlatih Anda sendiri.
-
Setelah itu, Anda akan melabeli kumpulan data individual serta membuat kumpulan data khusus dengan mengekstraksi gambar yang diperlukan dari kumpulan data besar yang ada.
-
Selanjutnya, Anda akan mengonversi kumpulan data Rambu Lalu Lintas ke dalam format YOLO. Templat kode untuk mengonversi dapat Anda modifikasi dan terapkan untuk kumpulan data lain dalam pekerjaan Anda di masa mendatang.



