”“”

使用Python和OpenCV的計算視覺：完整課程

從Python，OpenCV和TensorFlow

學習計算視覺和深度學習中的最新技術

***更新2020年3月：該課程將很快通過新的神經對象檢測部分進行更新：YOLOV3 ***

計算視覺是人工智能最令人興奮的領域之一。近年來，由於深度學習和人工神經網絡的使用方面的最新技術，這取得了成倍發展。但是畢竟，什麼是計算願景？

計算視覺是一組技術，方法和模型，使我們能夠數字化分析圖像和視頻，識別比人眼更準確的形狀和物體。實際應用很多，影響了幾個重要部門：

運輸：自動駕駛汽車
健康：計算機化診斷
安全：智能攝像機
遊戲：Microsoft Kinect

我們在本課程中會做什麼？在第一部分中對計算視覺的簡要介紹後，我們將準備第二部分中的土地，安裝Anaconda，熟悉Visual Studio代碼，並創建整個課程中使用的虛擬環境。

在第三部分中，我們將討論計算機如何查看圖像並學習如何使用流行的Python庫Numpy來打開圖像。

在第四部分中，我們將開始談論OpenCV，這是計算視覺最受歡迎的庫。我們將看到如何打開和處理圖像，調整圖像大小，將其切出並繪製文本並在其中塑造。

在第五部分中，我們將看到如何使用OPENCV捕獲網絡攝像頭的圖像，實時修改它們並將其保存到圖像和視頻格式中。

不久之後，我們將涉足機器學習，從最基本的對象檢測技術之一開始：HAAR瀑布分類器。我們將研究您的理論，然後查看如何使用OPENCV實現此模型，以識別實際時間視頻流中的面孔。

在第七部分中，我們將使用CenterID跟踪算法從對象檢測到對象跟踪。

然後，我們將簡要介紹機器學習及其在計算視覺中的應用，其中有一個實用的OCR（對角色的光學識別），然後是深度學習的理論介紹。

在第10節中，我們將提出Tensorflow，這是最受歡迎的深度學習庫，應用了上一節中獲得的深度學習的實踐知識。

培訓神經網絡可能需要大量的計算資源。因此，在第11節中，我們將探索一些可以用來培訓GPU雲中神經網絡的完全免費服務。

在第12節中，我們將討論卷積神經網絡（CNN），這是一種完全徹底改變計算視覺的神經網絡體系結構。

如果我們的數據集包含數万張圖像怎麼辦？我們將通過使用KERAS Generators在第13節中解決此問題。

如果數據集包含我們面臨的問題的圖像很少，該怎麼辦？這將是第14節的主題，我們將學習圖像增加的主要技術。

在最後一部分中，我們將收集整個課程中所學到的一切，以創建一個可以從實時捕獲的視頻中識別一個人的類型的程序！

如果在課程結束時看起來還不夠，您將在短短100分鐘內找到詳細的部分和密集的迷你Python編程課程:)。我期待在課程中與您見面！