اكتشاف الكائنات باستخدام TensorFlow 2: تدريب Faster R-CNN و SSD و YOLO

يعد اكتشاف الكائنات حجر الزاوية في رؤية الكمبيوتر الحديثة، حيث يشغل كل شيء من المركبات ذاتية القيادة إلى أنظمة البيع بالتجزئة الذكية. إذا كنت ترغب في بناء أنظمة يمكنها تحديد وتصنيف كائنات متعددة داخل صورة، فإن فهم البنيات الأساسية أمر ضروري. يرشدك هذا المساق النصي خلال المفاهيم الأساسية وسير العمل العملية اللازمة لتدريب وتقييم ونشر نماذج التعلم العميق. ستكتسب فهمًا مفاهيميًا واضحًا لبنيات اكتشاف الكائنات الرئيسية وستتعلم كيفية تنفيذها باستخدام TensorFlow 2، والانتقال بسلاسة من التطوير المحلي إلى التدريب القابل للتطوير المستند إلى السحابة. ما ستتعلمه: - فهم الآليات الأساسية لبنيات Faster R-CNN و SSD و YOLO. - تكوين وإعداد مجموعات بيانات مخصصة خصيصًا لمهام اكتشاف الكائنات. - تدريب نماذج التعلم العميق باستخدام TensorFlow 2 وتقنيات التعلم الانتقالي الحديثة. - تقييم أداء النموذج باستخدام مقاييس رئيسية مثل التقاطع فوق الاتحاد (IoU) ومتوسط الدقة المتوسط (mAP). - توسيع نطاق مهام التدريب الخاصة بك من خلال الاستفادة من تسريع وحدة معالجة الرسومات المستند إلى السحابة على Cloud AI Platform. - تطبيق أفضل الممارسات لتصحيح الأخطاء وتحسين خطوط أنابيب تدريب اكتشاف الكائنات. ستبدأ باستكشاف المصطلحات الأساسية والأسس النظرية لرؤية الكمبيوتر قبل الانتقال إلى التنفيذ العملي. من هناك، ستتقدم من خلال شروحات مكتوبة منظمة ومقتطفات تعليمات برمجية لبناء وتدريب وتقييم نماذجك المخصصة. تم تصميم هذه الدورة للمهندسين الطموحين في مجال رؤية الكمبيوتر وعلماء البيانات والمطورين الجدد في اكتشاف الكائنات. لا يلزم وجود خبرة سابقة في بنيات التعلم العميق، على الرغم من أنه يوصى بوجود معرفة أساسية بـ Python.