YOLO Computer Vision: от новичка до Junior Engineer за 12 недель

В данном практическом курсе вы научитесь использовать нейронную сеть компьютерного зрения YOLO для распознавания необходимых объектов:

1. В первые 60 минут, вы запустите уже обученную нейронную сеть YOLO для обнаружения объектов на изображениях, видео и в режиме реального времени с помощью камеры.
2. Далее, вы подготовите набор данных в формате YOLO и для обучения YOLO, который будет содержать необходимые объекты для распознавания.
3. Затем, вы обучите YOLO на локальном компьютере – на своём ноутбуке.
4. Далее, как альтернатива, вы обучите YOLO на облачном сервисе.
5. После, вы протестируете нейронную сеть YOLO, которая была обучена на подготовленном наборе данных.

Чему ещё я научусь? Помимо основных навыков, таких как запускать, находить, размечать, обучать и тестировать, ещё вы научитесь следующему:

• Настраивать нейронную сеть YOLO для CPU и для GPU.
• Решать базовую задачу распознавания.
• Решать практическую задачу поиска по изображению.
• Решать практическую задачу распознавания автомобильных номерных знаков.
• Применять знания для прохождения собеседования при трудоустройстве.
• Практиковать ответы на вопросы на тестах для собеседования.
• Практиковать написание кода для YOLO в интерактивных задачах.

Какую помощь я буду получать? Курс предусматривает живое-онлайн общение с автором в рамках закрытых мастер-классов. Закрытые мастер-классы предназначены для поддержки прохождения курса поступившим слушателям. Вы сможете получить поддержку и помощь по вопросу или проблеме, с которой столкнулись и хотите преодолеть. Мастер-классы проходят в режиме онлайн, и посвящены разбору возникающих вопросов в процессе прохождения курса. О расписаниях мастер-классов и о том, как записаться, вы узнаете в первом модуле курса в уроке Как работают закрытые мастер-классы?

Что я могу сделать уже сейчас? Прямо сейчас, ещё до поступления на курс, нажимайте на кнопку Попробовать бесплатно, чтобы получить доступ к некоторым урокам и более детально посмотреть на то, как проходит обучение, как выглядят видео-занятия, как выглядят тесты, превью мастер-классов и что ожидать в каждом модуле курса. Познакомьтесь с другими участниками курса - вашими коллегами, которые оставили видео-интервью и рассказали о своих проектах и о том, как изучение данного курса поможет им с реализацией проекта. Вы также можете принять участие в видео-интервью и заявить о себе и своём проекте. О том, как это сделать читайте уже сейчас в уроке первого модуля Интервью: кто я, слушатель курса? 

Как я могу использовать материалы курса? Шаблоны кода из курса вы можете использовать для своей учёбы, работы или для проводимого вами научного исследования. Курс может дополнить ваш собственный рабочий или учебный проект, результаты которого вы сможете представить своему руководителю, сделать презентацию перед коллегами, упомянуть о прохождении курса в своем резюме и прикрепить сертификат о прохождении YOLO курса.

Сколько времени я потрачу на прохождения курса? Для успешного приобретения новых знаний и закрепления материала, необходимо изучить все модули и все уроки курса, решать все задачи, последовательно двигаясь от начала курса. Дополнительно, для ещё более глубокого закрепления нового материала, обучать и тестировать нейронную сеть YOLO не только на тех наборах данных, которые рассмотрены на курсе, но и по аналогии выбирать свои наборы данных и запускать обучение. При таком подходе, занимаясь 2-3 дня в неделю по 2-3 часа, на прохождение курса необходимо 2-3 месяца.

Какие библиотеки я буду использовать? В процессе прохождения курса, вы затронете и будете использовать следующие библиотеки, фреймворки и программы, о чём вы сможете упомянуть в своём резюме: YOLO, Pandas, Numpy, OpenCV, Scikit-learn, Miniconda, Jupyter Notebook.

Какова цель курса по отношеню ко мне? Цель курса заключается в формировании ваших профессиональных компетенций в компьютерном зрении, а именно:

• Обрести Знания как настраивать и запускать уже обученную нейронную сеть YOLO.
• Овладеть Умением подготавливать свой собственный набор данных для обучения YOLO.
• Применять Навыки для обучения и тестирования YOLO на подготовленном наборе данных.
• Использовать практические Навыки для настройки нейронной сети YOLO как для центрального процессора CPU, так и для графического процессора GPU.
• Применять полученные Знания для прохождения собеседования при трудоустройстве.
• Практиковаться отвечать на вопросы на тестах для собеседования при трудоустройстве.
• Практиковаться в написании кода на интерактивных задачах на код для YOLO.

Практическая, жизненная задача 1. Вы научитесь решать базовую задачу распознавания: На входе есть изображение, видео или включённая камера пользователя. YOLO распознаёт объекты и визуализирует результат с помощью ограничивающих рамок вокруг объектов. Распознанные и вырезанные объекты можно использовать в дальнейшем для решения других практических задач. Блок-схема решения базовой задачи распознавания отображена на рисунке ниже.

Практическая, жизненная задача 2. Вы научитесь решать практическую задачу поиска по изображению: На входе есть изображение пользователя, например дизайн интерьера - пользователь сохранил или сфотографировал то, что ему понравилось. Задача заключается в поиске наиболее похожих изображений в базе данных, тех, которые максимально соответствуют объектам/товарам на изображении пользователя, и выводе информации о каждом из них. База данных предварительно подготовлена и содержит изображения товаров, их описание, цены, ссылки для покупки. Блок-схема решения практической задачи поиска по изображению отображена на рисунке ниже.

Практическая, жизненная задача 3. Вы научитесь решать практическую задачу распознавания автомобильных номерных знаков: На входе есть изображение автомобиля, который подъехал к шлагбауму автостоянки рядом с домом. Задача заключается в распознавании номерного знака автомобиля и поиске этого номера в базе данных. В случае, если номер найден в базе данных, тогда шлагбаум открывается и автомобиль проезжает. База данных предварительно подготовлена и содержит автомобильные номера, которым разрешён проезд на автостоянку. Блок-схема решения практической задачи распознавания автомобильных номерных знаков отображена на рисунке ниже.