Обнаружение маски лица с помощью TensorFlow и OpenCV

Компьютерное зрение меняет то, как мы взаимодействуем с общественными местами и обеспечиваем безопасность. Создание системы классификации объектов в реальном времени является одним из самых практичных способов овладения глубоким обучением. В этом текстовом курсе вы узнаете, как спроектировать, обучить и реализовать сводную нейронную сеть (CNN), которая автоматически определяет, носят ли люди маски. Вы начнете с основных концепций предварительной обработки изображений и компьютерного зрения, прежде чем перейти к практической реализации с использованием TensorFlow и OpenCV. Что вы узнаете: - Понять основные концепции компьютерного зрения, представления изображений и архитектур глубокого обучения. - Предварительная обработка наборов данных необработанных изображений с использованием библиотек Python для подготовки их к обучению нейронных сетей. - Создание сводчатой нейронной сети (CNN) с нуля для классификации замаскированных и незамаскированной лиц. - Примените обучение передаче с использованием современных, легких архитектур, оптимизированных для устройств в реальном времени. - Реализация распознавания лиц на статических изображениях и потоках видео в реальном времени с использованием OpenCV. - Оценка производительности модели с использованием матриц путаницы, точности, восстановления и F1-счета. Курс начинается с основных понятий обработки изображений и проектирования нейронных сетей. Затем вы пройдете подготовку данных, обучение модели и реализацию вывода в реальном времени с использованием стандартных конвейеров компьютерного зрения. Этот курс предназначен для начинающих в области науки данных и машинного обучения, которые хотят построить практический проект портфеля компьютерного зрения. Не требуется предыдущий опыт работы с глубоким обучением, хотя полезно знакомство с Python. Начните читать сегодня, чтобы создать свое первое реальное приложение компьютерного зрения.