CNN e YOLO: fondamenti del rilevamento di oggetti

Sei affascinato dalle applicazioni di visione artificiale come le auto a guida autonoma o la sorveglianza di sicurezza e ti chiedi come i computer "vedono" gli oggetti? Questo corso fornisce un'introduzione completa e basata su testo ai concetti fondamentali dietro le reti neurali convoluzionali (CNN) e l'algoritmo You Only Look Once (YOLO). Alla fine, si possiede una solida comprensione teorica e pratica di come questi potenti strumenti identificano e individuano più oggetti all'interno di un'immagine, consentendo di affrontare le sfide di visione del mondo reale. Cosa imparerai: Comprendere l'architettura e le operazioni di base delle reti neurali convoluzionali (CNN). Applicare concetti come la previsione del bounding box e il punteggio di confidenza della classe per la localizzazione degli oggetti. Esercitarsi nella valutazione dei modelli di rilevamento degli obiettivi utilizzando metriche chiave come Intersection over Union (IoU) e Mean Average Precision (mAP). Scopri come l'aumento dei dati e il trasferimento di apprendimento migliorano le prestazioni dei modelli di rilevamento degli oggetti.Interpretare i risultati degli algoritmi di riconoscimento degli obiettivi e risolvere i problemi comuni.Il corso inizia con un'esplorazione dei fondamenti di CNN, passando alle specifiche dell'algoritmo YOLO. Quindi approfondiamo gli aspetti pratici della valutazione del modello e introduciamo tecniche moderne per migliorare la robustezza e l'accuratezza del modello.Questo corso è progettato per principianti assoluti interessati alla visione artificiale e al deep learning, senza esperienza precedente in queste aree specifiche. Inizia il tuo viaggio nell'entusiasmante campo del rilevamento di oggetti e sblocca nuove possibilità nella visione artificiale.