Rilevamento di Mascherine con TensorFlow e OpenCV

La visione artificiale sta trasformando il modo in cui interagiamo con gli spazi pubblici e garantiamo la sicurezza. Costruire un sistema di classificazione degli oggetti in tempo reale è uno dei modi più pratici per padroneggiare il deep learning. In questo corso basato su testo, imparerai come progettare, addestrare e implementare una rete neurale convoluzionale (CNN) che rileva automaticamente se gli individui indossano mascherine. Inizierai con i concetti fondamentali di pre-elaborazione delle immagini e visione artificiale prima di passare all'implementazione pratica utilizzando TensorFlow e OpenCV. Cosa imparerai: - Comprendere i concetti fondamentali di visione artificiale, rappresentazione delle immagini e architetture di deep learning. - Pre-elaborare set di dati di immagini grezze utilizzando librerie Python per prepararli all'addestramento della rete neurale. - Costruire una rete neurale convoluzionale (CNN) da zero per classificare volti con e senza mascherina. - Applicare il transfer learning utilizzando architetture moderne e leggere ottimizzate per dispositivi edge in tempo reale. - Implementare il rilevamento dei volti su immagini statiche e flussi video in diretta utilizzando OpenCV. - Valutare le prestazioni del tuo modello utilizzando matrici di confusione, precisione, richiamo e F1-score. Il corso inizia con concetti fondamentali nell'elaborazione delle immagini e nella progettazione di reti neurali. Proseguirai quindi attraverso la preparazione dei dati, l'addestramento del modello e l'implementazione dell'inferenza in tempo reale utilizzando pipeline di visione artificiale standard. Questo corso è progettato per principianti in data science e machine learning che desiderano costruire un progetto pratico di portfolio di visione artificiale. Non è richiesta alcuna esperienza precedente con il deep learning, sebbene una familiarità di base con Python sia utile. Inizia a leggere oggi per costruire la tua prima applicazione di visione artificiale nel mondo reale.