Udemy [Udemy] YOLOv8: обнаружение видеообъектов с помощью Python в пользовательском наборе данных (2024)

[Trinity]

[Udemy] YOLOv8: обнаружение видеообъектов с помощью Python в пользовательском наборе данных (2024)

Раскройте потенциал YOLOv8, передовой технологии, которая революционизирует обнаружение видеообъектов. YOLOv8, или «Вы смотрите только один раз», — это современная глубокая сверточная нейронная сеть, известная своей скоростью и точностью идентификации объектов на видео. В нашем курсе « YOLOv8: обнаружение видеообъектов с помощью Python в пользовательском наборе данных » вы изучите его применение в различных реальных сценариях. В этом курсе вы получите обзор всех вариантов YOLO, где вы будете выполнять обнаружение видеообъектов в реальном времени с помощью последней версии YOLO 8, которая чрезвычайно быстра и точна по сравнению с предыдущими версиями YOLO. YOLOv8 обрабатывает все изображение за один проход, чтобы предсказать ограничивающую рамку объекта и его класс, что делает обнаружение объектов эффективным в вычислительном отношении. YOLOv8 поставляется в пяти вариантах в зависимости от количества параметров: нано, маленький(s), средний(m), большой(l) и очень большой(x). Вы можете использовать все варианты обнаружения объектов в соответствии с вашими требованиями.

YOLOv8 — это платформа искусственного интеллекта, поддерживающая множество задач компьютерного зрения. YOLO8 можно использовать для обнаружения объектов, сегментации изображений, классификации и оценки позы. Скорость и точность обнаружения YOLOv8 делают его настолько популярным для приложений реального времени, таких как обнаружение объектов на видео и наблюдение, по сравнению с другими детекторами объектов. Представьте себе, что вы развертываете YOLOv8 для мониторинга многолюдных общественных мест в целях безопасности, легкого отслеживания объектов на видео наблюдения или улучшения возможностей восприятия беспилотных транспортных средств. Оцените его возможности в области спортивной аналитики, точно определяя игроков и действия в динамичных игровых сценариях, таких как футбольные матчи. Погрузитесь в аналитику розничной торговли, где YOLOv8 может оптимизировать управление запасами и качество обслуживания клиентов, отслеживая перемещения товаров и людей.

Обнаружение объектов — это задача, которая включает в себя определение местоположения и класса объектов в изображении или видеопотоке. Выходные данные детектора объектов представляют собой набор ограничивающих рамок, в которые заключены объекты на изображении, а также метки классов и оценки достоверности для каждой рамки. Обнаружение объектов — хороший выбор, когда вам нужно идентифицировать интересующие объекты в сцене. В этом курсе рассматривается полный конвейер с практическим опытом обнаружения объектов с использованием архитектуры глубокого обучения YOLOv8 с Python и PyTorch следующим образом:

Разбивка курса: ключевые результаты обучения

• YOLOv8 для обнаружения видеообъектов в реальном времени с помощью Python
• Обучайте, тестируйте YOLO8 на пользовательском наборе данных и развертывайте в своих собственных проектах
• Введение в YOLO и его архитектуру на основе глубокой сверточной нейронной сети.
• Как YOLO работает для обнаружения объектов?
• Обзор CNN, RCNN, Fast RCNN и Faster RCNN
• Обзор семейства YOLO (YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7)
• Что такое YOLOv8 и его архитектура?
• Пользовательская конфигурация набора данных футболиста для обнаружения объектов
• Настройка Google Colab для написания кода Python
• YOLOv8 Ultralytics и настройки его гиперпараметров
• Обучение YOLOv8 для обнаружения игроков, судей и футбола
• Тестирование обученных моделей YOLOv8 на видео и изображениях
• Развертывание YOLOv8: экспорт модели в необходимый формат

Материал на английском языке

Подробнее:

Для просмотра ссылок необходимо выполнить Вход или Регистрация

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.