通过深度学习掌握 Python 中的计算机视觉™ OpenCV4
像专业人士一样掌握 OpenCV4,同时学习 Dlib、深度学习计算机视觉(Keras、TensorFlow 和 Caffe)+ 21 个项目!
讲师:Rajeev D. Ratan
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 在 Python 中理解和使用 OpenCV4
- 如何在 Python 中使用 Keras 和 TensorFlow 进行深度学习
- 创建人脸检测器和识别器并使用 DLIB 创建您自己的高级人脸交换
- 物体检测、跟踪和运动分析
- 创建增强现实应用程序
- 编程技能,例如基本的 Python 和 Numpy
- 如何使用计算机视觉来执行酷炫的创业想法
- 了解神经网络和卷积神经网络
- 学习使用 Python 构建简单的图像分类器
- 学习构建信用卡 OCR 阅读器
- 学习使用 OpenCV 执行神经风格迁移
- 了解如何使用 SSD(单次检测器)在 OpenCV 中进行多对象检测(最多 90 个对象!)
- 了解如何使用 Caffe 将黑白图像转换为彩色图像
- 学习构建自动车牌识别 (ALPR)
- 了解计算机视觉和图像处理的基础知识
要求
- 几乎不需要任何编程知识,但基本的编程知识会有所帮助
- Windows 10 或 Ubuntu 或 MacOS 系统
- 用于实施一些迷你项目的网络摄像头
描述
欢迎来到 OpenCV 上最全面、讲授最好的课程之一,您将在其中学习如何使用 Python 中最新版本的 OpenCV4 掌握计算机视觉!
=================================================== ====
注意:许多早期的差评是在课程材料过时且许多示例代码已损坏的一段时间内发生的,但是,这一问题已于 2019 年初得到修复:)
=================================================== ====
计算机视觉是人工智能的一个领域,研究计算机算法如何破译他们在图像中看到的内容!掌握这项令人难以置信的技能,并能够完成您的大学/学院项目、在工作中实现自动化、开始开发您的创业想法或获得成为高薪(400-1000 美元/天)计算机视觉工程师的技能。
=================================================== ====
最后更新于 2019 年 8 月,您将学习:
- 计算机视觉和OpenCV的关键概念(使用最新版本的OpenCV4)
- 图像处理(数十种技术!), 例如变换、裁剪、模糊、阈值处理、边缘检测和裁剪。
- 通过理解轮廓、圆和线检测来分割图像。您甚至将学习如何近似轮廓、进行轮廓过滤和排序以及近似。
- 特征检测(SIFT、SURF、FAST、BRIEF 和 ORB)进行对象检测。
- 人脸、人和汽车的物体检测。
- 提取面部标志以进行面部分析、应用滤镜和面部交换。
- 计算机视觉中的机器学习用于手写数字识别。
- 面部识别。
- 运动分析和对象跟踪。
- 照片修复的计算摄影技术(消除旧受损照片中的痕迹、线条、折痕和污迹)。
- 深度学习(3 小时以上在 Python 中使用Keras进行深度学习)
- 计算机视觉产品和创业想法
- 多目标检测(90 种目标类型)
- 对黑白照片和视频进行着色(使用 Caffe)
- 神经风格转移– 将梵高、毕加索和其他人的艺术风格应用于任何图像,甚至是您的网络摄像头输入
- 自动车牌识别(ALPR
- 信用卡号识别(使用 PyTesseract 构建您自己的 OCR 分类器)
=================================================== ====
您还将实施 21 个很棒的项目!
=================================================== ====
OpenCV 项目包括:
- 使用网络摄像头实时绘制草图
- 识别形状
- 计算圆和椭圆
- 寻找沃尔多
- 使用 OpenCV 的单一物体检测器
- 使用级联分类器的汽车和行人检测器
- 实时换脸器(如 MSQRD 和 Snapchat 滤镜!!!)
- 哈欠探测器和计数器
- 手写数字分类
- 面部识别
- 球追踪
- 照片修复
- 自动车牌识别 (ALPR)
- 神经风格迁移迷你项目
- 使用 SSD(单次检测器)在 OpenCV 中进行多对象检测(最多 90 个对象!)
- 对黑白照片和视频进行着色
深度学习项目包括:
- 构建手写数字分类器
- 构建多图像分类器
- 构建猫狗分类器
- 了解如何使用数据增强来提高 CNN 性能
- 信用卡号码的提取和分类
=================================================== ====
以前的同学是怎么说的:
“我对它的可能性感到惊讶。非常有教育意义,学到的东西比我想象的要多。现在,能够在实际目的中实际使用它是很有趣的……还有更多的东西需要学习和应用”
“教授得非常好,内容丰富的计算机视觉课程!我在网上寻找 Opencv python 教程资源,但这门课程是迄今为止相关课程和项目的最佳融合。我喜欢其中的一些项目,并且修补它们很有趣。 ”
“很棒的讲师和课程。解释非常容易理解,材料也很容易理解。绝对是图像处理的非常好的入门。”
“这门课程给我留下了深刻的印象!我认为这是迄今为止 Udemy 上最好的计算机视觉课程。我是一名大学生,之前在本科阶段学习过计算机视觉课程。这门 6.5 小时的课程让我的大学课程大吃一惊英里!!”
“Rajeev 在这门课程上做得很好。我以前不知道计算机视觉是如何工作的,但现在已经具备了良好的概念基础和实际应用知识。Rajeev清晰简洁,这有助于让任何想要学习的人都可以轻松理解复杂的主题。开始构建应用程序。”
=================================================== ====
为什么使用 OpenCV 在 Python 中学习计算机视觉?
计算机视觉应用和技术现在正在爆炸式增长!许多应用程序和行业都在充分利用这项技术,其中包括 Pokémon GO、Snapchat 等价值数十亿美元的应用程序,以及 MSQRD 和 PRISMA 等新兴应用程序。
甚至 Facebook、谷歌、微软、苹果、亚马逊和特斯拉都在大量利用计算机视觉进行面部和物体识别、图像搜索,尤其是在自动驾驶汽车中!
因此,对计算机视觉专业知识的需求呈指数级增长!
然而,学习计算机视觉很难!现有的在线教程、教科书和免费 MOOC 往往已经过时,使用旧的不兼容的库,或者过于理论化,使其难以理解。
这是我学习计算机视觉时遇到的问题,它变得非常令人沮丧。即使只是简单地运行我在网上找到的示例代码也被证明很困难,因为库和函数通常已经过时。
我创建这门课程的目的是为了教您所有关键概念,而无需繁琐的数学理论,同时使用最新的方法。
我采用了非常实用的方法,使用了 50 多个 代码示例。
课程结束时,您将能够使用 Python 中的 OpenCV 构建12 个出色的计算机视觉应用程序。
我使用OpenCV,它是当今支持最完善的开源计算机视觉库!在 Python 中使用它真是太棒了,因为 Python 使我们能够专注于手头的问题,而不会被复杂的代码所困扰。
如果您是一名学者或大学生,如果您希望通过链接我们使用的技术的研究论文来了解更多信息,我仍然会为您指出正确的方向。
因此,如果您想在计算机视觉方面获得良好的基础,那就别再犹豫了。
这是适合您的课程!
在本课程中,您将发现 Python 中 OpenCV 的强大功能,并获得大幅提升您作为计算机视觉开发人员的职业前景的技能。
您可以使用 Keras 获得 3 个多小时的计算机视觉深度学习,其中包括:
- 预装了 Keras 和 TensorFlow 等所有深度学习 Python 库的免费虚拟机
- 神经网络和卷积神经网络详解
- 了解 Keras 的工作原理以及如何使用和创建图像数据集
- 构建手写数字分类器
- 构建多图像分类器
- 构建猫狗分类器
- 了解如何使用数据增强来提高 CNN 性能
- 信用卡号码的提取和分类
至于更新和支持:
我每个月都会不断添加更新、修复和新的令人惊叹的项目!
我将每天积极参与课程的“问答”区域,因此您永远不会孤身一人。
那么,您准备好开始了吗?立即注册,立即开始成为计算机视觉大师的过程!
本课程适合谁:
- 对计算机视觉感兴趣的初学者
- 希望在开始计算机视觉研究之前抢占先机的大学生
- 任何对使用深度学习进行计算机视觉感兴趣的人
- 希望实现计算机视觉创业想法的企业家
- 想要制作很酷的计算机视觉原型的爱好者
- 想要开发计算机视觉技能的软件开发人员和工程师