Kursplan

Introduktion till objektdetektering

  • Grunderna för objektdetektering
  • Objektdetekteringsapplikationer
  • Prestandamått för objektdetekteringsmodeller

Översikt över YOLOv7

  • YOLOv7 installation och installation
  • YOLOv7 arkitektur och komponenter
  • Fördelar med YOLOv7 jämfört med andra objektdetekteringsmodeller
  • YOLOv7-varianter och deras skillnader

YOLOv7 utbildningsprocess

  • Databeredning och anteckning
  • Modellträning med hjälp av populära ramverk för djupinlärning (TensorFlow, PyTorch etc.)
  • Finjustera förtränade modeller för anpassad objektdetektering
  • Utvärdering och inställning för optimal prestanda

Implementering av YOLOv7

  • Implementering av YOLOv7 i Python
  • Integration med OpenCV och andra datorseendebibliotek
  • Implementera YOLOv7 på edge-enheter och molnplattformar

Avancerade ämnen

  • Spårning av flera objekt med YOLOv7
  • YOLOv7 för 3D-objektdetektering
  • YOLOv7 för upptäckt av videoobjekt
  • Optimerar YOLOv7 för realtidsprestanda

Sammanfattning och nästa steg

Krav

  • Erfarenhet av Python programmering
  • Förståelse för grunderna för djupinlärning
  • Kunskaper om grunderna i datorseende

Publik

  • Computer vision ingenjörer
  • Maskininlärningsforskare
  • Dataforskare
  • Mjukvaruutvecklare
  21 timmar

Antal deltagare



Price per participant

Vittnesmål (4)

Relaterade Kurser

Relaterade Kategorier