Visi: Computer Vision на Python: Курсы

По итогам курса участники создадут прототипы модулей для решения 2х промышленных задач по распознаванию текста на изображении и детектирования местоположения человека на видео. Полученные участниками навыки будут вполне достаточны для дальнейшей самостоятельной поддержки и улучшения качества...
IT: Прикладные программы для разных специалистов
Коммерсант логоКоммерсант
Дата уточняется
40 часов
Онлайн
от 75 000 ₽

Анонс программы

По итогам курса участники создадут прототипы модулей для решения 2х промышленных задач по распознаванию текста на изображении и детектирования местоположения человека на видео. Полученные участниками навыки будут вполне достаточны для дальнейшей самостоятельной поддержки и улучшения качества разработанных модулей.

Целевая аудитория

Разработчики, которым необходимо получение экспертизы в области обработки изображений и видео, а также решения задач компьютерного зрения, встречающихся на производстве.

Преподаватель

Николай Комиссаренко

Описание Программы

Введение в CV и основы нейронных сетей

  1. Теоретическая часть: основные типы задач CV. Основы нейронных сетей.
    Практическая часть: решение задачи классификации изображений
  2. Алгоритмы предобработки изображений
    Теоретическая часть: библиотеки для предобработки изображений Opencv и PIL
    Практическая часть: возможности библиотек Opencv и PIL, построение алгоритма предобработки изображений в задаче классификации
  3. Свёрточные нейронные сети, архитектура свёрточных нейронных сетей, подходы к обучению нейронных сетей, аугментация данных
    Теоретическая часть: слои свёрточных нейронных сетей, принципы построения. Алгоритм обратного распространения ошибки, типы оптимизаторов
    Практическая часть: построение и обучение свёрточных нейронных сетей from scratch
  4. Предобученные нейронные сети (transfer learning), переобучение нейронных сетей, коллбеки
    Теоретическая часть: основные архитектуры предобученных нейронных сетей, кастомизация предобученных нейронных сетей. Переобучение нейронных сетей, методы борьбы с переобучением.
    Практическая часть: использование предобученной нейронной сети для классификации.
  5. Детектирование объектов на изображении / видео
    Теоретическая часть: архитектуры нейронных сетей для детектирования объектов. Yola, SSD. Метрики качества детектирования объектов
    Практическая часть: решение задачи детектирования объектов, работа с видео потоком.
  6. Сегментация объектов на изображении
    Теоретическая часть: архитектуры нейронных сетей для сегментации объектов. Метрики качества сегментации объектов.
    Практическая часть: решение задачи сегментации объектов, работа с видео потоком.
  7. Трекинг объектов на видео
    Теоретическая часть: алгоритмы трекинга объектов на видео
    Практическая часть: трекинг объектов на видео
  8. Tensorflow ZOO
    Теоретическая часть: подбор нейронной сети из Tensorflow ZOO. Алгоритм обучения выбранной нейронной сети из Tensorflow ZOO.
    Практическая часть: разметка датасета, решение кастомной задачи детекции объектов.
  9. Внедрение нейронной сети в production
    Теоретическая часть: Flask, Docker. Способы внедрения нейронной сети в production.
    Практическая часть: построение сервиса с использованием нейронной сети
  10. Оптимизация нейронной сети для использования в production
    Теоретическая часть: Tensorflow Serving, TensotRT. Способы оптимизации нейронной сети и использования Tensorflow serving поддержки и контроля версий в production.
    Практическая часть: улучшенный сервис с использованием Tensorflow Serving.

Данный курс является введением в тематику решения задач компьютерного зрения. В курсе будут описаны современные подходы по обработке изображений и видео, а также передовые методы детектирования, сегментации и трекинга объектов на них. Основной акцент будет сделан на практическое применение искусственных нейронных сетей и использование фреймворков для работы с ними. Конкретно Вы познакомитесь с возможностями таких библиотек языка Python, как OpenCV для обработки изображений, Tensorflow для создания и обучения нейронных сетей, TensorRT для оптимизации нейросетевых архитектур, а также с фреймворком Flask для создания простых API решений и Tensorflow Serving для внедрения архитектур нейронных сетей в production.

Записаться на курс
Visi: Computer Vision на Python: Курсы
75 000
Заполните контактные данные
Оставьте заявку, чтобы забронировать себе место.
Наш менеджер свяжется с вами и ответит на любые ваши вопросы.
Дата уточняется
40 часов
Онлайн
от 75 000 ₽