Biblioteka OpenCV.
Przetwarzaj obrazy w Pythonie!
Description
Ludzkie oko jest doskonałe. Przez narząd wzroku codziennie odbieramy multum bodźców z otoczenia. Nasz mózg ma nie lada zadanie – zinterpretować to, co widzimy. To właśnie rozpoznanie i klasyfikacja obrazu mają kluczowy wpływ na rozumienie czerpanych ze świata informacji. A jak widzi komputer? Naukowcy zwykli podglądać i naśladować mechanizmy zachodzące w przyrodzie. Tak oto nasza percepcja wzrokowa stała się pierwowzorem dla wizji komputerowej (computer vision). Ta rewolucyjna dziedzina informatyki jest poświęcona rozumieniu informacji wizualnych przez maszynę.
Pomimo że proste algorytmy przetwarzania obrazów towarzyszą ludzkości od 60 lat, rozwój widzenia komputerowego jest wykładniczy. Dotyczy w szczególności ostatniej dekady. Przełom ten jest związany z coraz większą mocą obliczeniową współczesnych komputerów i kart graficznych. Dzięki zrównoleglaniu złożonych obliczeń postęp technologiczny zrewolucjonizował także uczenie maszynowe i uczenie głębokie. Niegdyś niemożliwe trenowanie sieci neuronowych na podstawie dużej ilości danych wejściowych jest dziś typowym zadaniem. Kamery rejestrujące ruch, autonomiczne samochody, biometria i rozpoznawanie twarzy to już nie science fiction – to część naszej rzeczywistości!
A więc dowiedz się, jak... widzą maszyny, i nie daj się prześcignąć współczesności!
Poznaj OpenCV - największą wieloplatformową bibliotekę do przetwarzania obrazów i video. Znajdziesz tu wiele wbudowanych funkcji i algorytmów do analizy ruchu, detekcji obiektów i rozpoznawania gestów. OpenCV przystosowane jest do analizy w czasie rzeczywistym. Z powodzeniem obsługuje głębokie sieci neuronowe, a nawet generatywne sieci współzawodniczące GAN.
By nauka była jeszcze przyjemniejsza, wszystkie przykłady zaimplementowano w Pythonie. Według rankingów popularności to najpowszechniej używany język programowania. Mało tego - jest także technologią numer jeden stosowaną przez inżynierów machine learning i data science.
Co Cię czeka w trakcie naszego profesjonalnego szkolenia?
Podczas pracy z tym kursem video poznasz takie zagadnienia jak:
Podstawy Pythona, Jupyter Notebooka, Google Colabolatory
Biblioteka OpenCV
Obsługa obrazów (ładowanie, wyświetlanie, zapisywanie)
Obsługa video i streamów
Rysowanie elementów na obrazie (linie, tekst, polilinie)
Transformacje obrazu (skalowanie, rotacja, translacja)
Transformacje afiniczna i perspektywiczna
Progowanie - różne rodzaje
Wyrównanie histogramu, CLAHE
Rozmycie i wykrywanie krawędzi
Operator Sobela i Canny’ego
Wykrywanie konturów
Transformata Hougha
Operacje morfologiczne
Użycie klasyfikatora Haara i klasyfikatora HOG
Trenowanie własnego klasyfikatora HOG
Nakładanie obrazów
OCR - optyczne rozpoznawanie znaków
Przetwarzanie wzorców
Pisanie i zastosowanie sieci neuronowej i konwolucyjnej
Zastosowanie gotowych wag i konfiguracji sieci neuronowych
Algorytm YOLO
Co więcej...
Nauczysz się trenować własny klasyfikator do detekcji marek samochodów
W projekcie praktycznym dowiesz się, jak wyodrębnić tekst z obrazów - przed Tobą analiza i wykrywanie cyfr z karty kredytowej!
Biblioteka OpenCV. Przetwarzaj obrazy w Pythonie! wprowadzi Cię w praktyczne zagadnienia wizji komputerowej. Od podstaw poznasz bibliotekę OpenCV - od najprostszych instrukcji aż po zakres średnio zaawansowany.
Nauczysz się rysować obiekty, wykrywać krawędzie i kontury, a także wykonywać transformacje obrazów (skalowanie, rotację, translację). Za pomocą klasyfikatora Haara przeprowadzisz detekcję twarzy. Następnie płynnie przejdziesz do trenowania własnych klasyfikatorów i pisania sieci konwolucyjnej. Dowiesz się, jak przetwarzać obraz i video z użyciem algorytmów uczenia maszynowego i sztucznej inteligencji. Po ukończeniu szkolenia będziesz w stanie samodzielnie dodać moduł logowania z rozpoznawaniem twarzy na swoją stronę internetową czy wdrożyć algorytm zliczający liczbę aut, które przejeżdżają po drodze. Biblioteka OpenCV. Przetwarzaj obrazy w Pythonie! jest właściwym przewodnikiem zarówno dla kogoś, kto jeszcze nie pracował z obrazami, jak i dla osoby średnio zaawansowanej - pozwoli uporządkować wiedzę i dokonać podsumowania podstawowych możliwości.
Machine learning engineer
Specyfika pracy machine learning engineera z nastawieniem na obraz polega na dużym zróżnicowaniu. Od inżyniera wizji komputerowej wymaga się zdolności analitycznego myślenia, rozwiązywania problemów matematycznych i znajomości bibliotek używanych do obróbki obrazu. Podstawowym zadaniem na tym stanowisku jest tworzenie algorytmów, które będą przetwarzać duże zbiory danych wizualnych. Przydatne są także umiejętności interpersonalne, gdyż często potrzebna jest konsultacja ze specjalistami innych dziedzin.
Znane koncerny, jak również startupy chętnie wdrażają systemy wizyjne, by zautomatyzować złożone procesy. Ofert pracy stale przybywa, a wizja komputerowa to silnie rozwijająca się branża. Dziedziny, w których jej stosowanie stwarza nowe możliwości, to robotyka, medycyna, astronomia, radiologia, metrologia, sejsmologia, metalurgia i wiele innych.
Systematyczność i ciężka praca to droga do sukcesu. Nikt nie urodził się wszechwiedzący. Jeśli będziesz poświęcać godzinę dziennie na naukę i samorozwój, prędzej czy później osiągniesz zamierzony cel.
What You Will Learn!
- Podstawy Pythona, Jupyter Notebooka, Google Colabolatory
- Biblioteka OpenCV
- Obsługa obrazów (ładowanie, wyświetlanie, zapisywanie)
- Obsługa video i streamów
- Rysowanie elementów na obrazie (linie, tekst, polilinie)
- Transformacje obrazu (skalowanie, rotacja, translacja)
- Transformacje afiniczna i perspektywiczna
- Progowanie - różne rodzaje
- Wyrównanie histogramu, CLAHE
- Rozmycie i wykrywanie krawędzi
- Wykrywanie konturów
- Transformata Hougha
- Operacje morfologiczne
- Użycie klasyfikatora Haara i klasyfikatora HOG
- Trenowanie własnego klasyfikatora HOG
- Nakładanie obrazów
- OCR - optyczne rozpoznawanie znaków
- Przetwarzanie wzorców
- Pisanie i zastosowanie sieci neuronowej i konwolucyjnej
- Zastosowanie gotowych wag i konfiguracji sieci neuronowych
- Algorytm YOLO
- Nauczysz się trenować własny klasyfikator do detekcji marek samochodów
- W projekcie praktycznym dowiesz się, jak wyodrębnić tekst z obrazów - przed Tobą analiza i wykrywanie cyfr z karty kredytowej!
Who Should Attend!
- Dla osób chcących poznać OpenCV