Rancang CNN Anda sendiri untuk pengenalan gambar yang akurat, latih, dan uji secara Real Time dengan kamera
Yang akan Anda pelajari
-
Rancang arsitektur CNN yang mendalam dengan hasil akurasi tinggi
-
Tunjukkan klasifikasi secara Real Time dengan kamera
-
Hasilkan data sintetis untuk menambah kumpulan data yang ada
-
Merakit sendiri, kumpulan data khusus untuk tugas Klasifikasi
-
Ubah kumpulan data yang ada untuk tugas Klasifikasi
-
Terapkan teknik preprocessing untuk dataset sebelum pelatihan
-
Latih CNN mendalam di Keras
-
Klasifikasikan gambar baru setelah pelatihan
Persyaratan
-
Pengetahuan dasar tentang Algoritma Klasifikasi Gambar
-
Dasar-dasar tentang cara kerja CNN
-
Pengetahuan menengah tentang Python V3
-
Pengetahuan dasar tentang OpenCV
-
Pengetahuan dasar tentang Tensorflow
-
Dasar-dasar tentang cara menggunakan Lingkungan Anaconda
-
Dasar-dasar tentang cara membuat kode di Jupyter Notebook
Deskripsi
Dalam kursus praktis ini , Anda akan merancang , melatih , dan menguji Jaringan Saraf Konvolusi (CNN) Anda sendiri untuk tugas-tugas Klasifikasi Gambar.
Di akhir kursus, Anda akan dapat membuat aplikasi Anda sendiri untuk Klasifikasi Gambar .
- Pada awalnya, Anda akan menerapkan convolution , pooling , dan kombinasi dari dua operasi ini ke gambar skala abu-abu dengan bantuan filter yang berbeda, pustaka Numpy murni, dan loop ‘untuk’. Kami juga akan mengimplementasikan konvolusi secara Real Time oleh kamera untuk mendeteksi tepi objek dan melacak pergerakan objek.
- Setelah itu, Anda akan mengumpulkan gambar bersama, membuat kumpulan data khusus untuk tugas klasifikasi dan menyimpan kumpulan data yang dibuat ke dalam file biner.
- Selanjutnya, Anda akan mengonversi kumpulan data Rambu Lalu Lintas yang ada ke dalam format yang diperlukan untuk tugas klasifikasi dan menyimpannya ke dalam file biner.
- Kemudian, Anda akan menerapkan teknik prapemrosesan sebelum melatih, memproduksi , dan menyimpan kumpulan data yang telah diproses ke dalam file biner terpisah.
- Pada langkah berikutnya, Anda akan membuat model CNN untuk tugas klasifikasi, memilih jumlah lapisan yang diperlukan untuk klasifikasi yang akurat, dan menyesuaikan parameter lainnya.
- Saat model dirancang dan kumpulan data siap, Anda akan melatih CNN yang dibuat, menguji model terlatih pada gambar yang benar-benar baru , mengklasifikasikan gambar secara Real Time oleh kamera dan memvisualisasikan proses pelatihan filter dari yang diinisialisasi secara acak hingga akhirnya dilatih.
- Pada langkah terakhir, Anda akan lulus Tes Praktik sesuai dengan semua materi yang dipelajari selama kursus.
- Sebagai bagian bonus, Anda akan menghasilkan hingga 1 juta gambar tambahan dan memperluas kumpulan data yang disiapkan dengan gambar baru melalui rotasi gambar , proyeksi gambar , dan perubahan kecerahan .
Tujuan utama kursus ini adalah untuk mengembangkan dan meningkatkan keterampilan keras Anda agar dapat menerapkannya pada masalah nyata Klasifikasi Gambar berdasarkan Jaringan Saraf Konvolusi .
Setiap Materi tentu saja memiliki tujuan SMART . Artinya, Anda dapat melacak kemajuan Anda dan menyaksikan hasil praktis dalam kerangka waktu yang terlihat, tepat setelah akhir Kursus.
- S – spesifik (perkuliahan memiliki tujuan tertentu)
- M – terukur (hasilnya masuk akal dan dapat diukur)
- A – dapat dicapai (perkuliahan memiliki langkah-langkah yang jelas untuk mencapai tujuan)
- R – berorientasi pada hasil (hasil dapat diperoleh pada akhir kuliah)
- T – berorientasi waktu (hasil dapat diperoleh dalam kerangka waktu yang terlihat)
Untuk siapa kursus ini:
- Siswa yang ingin membangun aplikasi lengkap untuk Klasifikasi Gambar dengan CNN
- Siswa yang ingin meningkatkan keterampilan mereka dalam Klasifikasi Gambar dengan CNN sebelum wawancara berikutnya untuk magang atau pekerjaan impian
- Siswa yang ingin menggunakan CNN dengan Data Sendiri untuk Klasifikasi Gambar tetapi tidak tahu harus mulai dari mana
- Peneliti Muda yang mempelajari Algoritma Klasifikasi Gambar yang berbeda dan ingin Melatih CNN dengan Data Khusus dan Membandingkan hasil dengan pendekatan lain
- Siswa yang mengetahui dasar-dasar Klasifikasi Gambar tetapi ingin tahu cara Melatih CNN dengan Data Baru
- Siswa yang mempelajari Computer Vision dan ingin tahu cara menggunakan CNN untuk Klasifikasi Gambar
- Siswa yang mengerjakan proyek safety driven dan ingin Mengklasifikasikan Rambu Lalu Lintas dengan CNN
- Siswa yang mengembangkan sistem peringatan alarm untuk pengemudi dan perlu Mengklasifikasikan Rambu Lalu Lintas
