Fondamenti del Rilevamento di Oggetti e Architetture YOLO

La computer vision si basa pesantemente sulla localizzazione e classificazione di oggetti all'interno delle immagini, ma la comprensione della matematica sottostante e delle decisioni architetturali può essere impegnativa. Questo corso demistifica le meccaniche fondamentali dietro i moderni sistemi di rilevamento di oggetti, portandoti dai concetti di base ai principi di progettazione avanzati. Transiterai da una comprensione concettuale della classificazione delle immagini a spiegare e implementare con sicurezza algoritmi chiave di rilevamento di oggetti, architetture e tecniche di valutazione. Cosa imparerai: - Comprendere i concetti fondamentali del rilevamento di oggetti, inclusa la regressione delle bounding box e la classificazione. - Analizzare il funzionamento interno dell'architettura YOLO (You Only Look Once) e la sua evoluzione. - Calcolare Intersection over Union (IoU) e applicare Non-Maximum Suppression (NMS) per affinare i risultati delle detection. - Configurare le anchor box e progettare funzioni di loss efficaci per l'apprendimento multi-task. - Valutare le prestazioni del modello utilizzando metriche standard come mean Average Precision (mAP). - Esplorare i progressi moderni, inclusi i detector anchor-free e gli approcci basati su transformer. Il corso inizia con la terminologia di base e i fondamenti matematici prima di guidarti attraverso i classici metodi anchor-based, il rivoluzionario framework YOLO a singolo stadio e le moderne architetture all'avanguardia. Imparerai attraverso spiegazioni scritte chiare, scomposizioni matematiche passo-passo e snippet di codice pratici. Questo corso è progettato per appassionati di deep learning e ingegneri software da principianti a intermedi che desiderano specializzarsi nella computer vision. Una conoscenza di base di Python e delle reti neurali è utile, ma non è richiesta alcuna esperienza precedente nel rilevamento di oggetti. Inizia a leggere oggi stesso per costruire una solida base teorica e pratica nella computer vision.