|
发表于 2020-6-5 10:34:59
4649 浏览 0 回复
[教程]
强烈推荐给萌新的CV成长指南
本帖最后由 Acher1 于 2020-6-5 10:38 编辑
该指南从装Python、装OpenCV、入门深度学习,到人脸识别、目标检测、语义分割等等各种应用,都有进阶路线,里面包含了教程、案例、注意事项。甚至怎样把算法部署到树莓派之类的硬件上,也能找到经验。
作者名叫Adrian Rosebrock,一个经常产出优质教程的宝藏男孩。这里先直接给出该指南的阅读链接:https://www.pyimagesearch.com/start-here/
下面,我们直接简单看看这份指南都有些那些内容吧。
- 我如何开始?
- 深度学习
- 面部应用
- 光学字符识别(OCR)
- 物体检测
- 对象追踪
- 实例分割和语义分割
- 嵌入式和物联网计算机视觉
- Raspberry Pi上的计算机视觉
- 医疗计算机视觉
- 使用视频
- 图片搜索引擎
- 面试,案例研究和成功案例
- 我的书和课程
前7节,属于基础内容部分,后7节主要是实际应用部分。下面一起看下基础部分都有什么内容吧!
1.我如何开始:
为了防止新人刚入门就放弃,还特意在开篇准备如何开始的内容,降低入门上手门槛。
步骤1:在系统上安装OpenCV + Python(初学者)
步骤2:了解命令行参数(初学者)
步骤3:通过示例学习OpenCV(入门)
步骤4:建立OpenCV小型专案(入门)
步骤5:解决更多高级OpenCV项目(中级)
步骤6:挑选您的利基市场(中级)
2.深度学习
算法进阶路线,内容比起第一节丰富很多。
步骤1:配置您的深度学习环境(初学者)
步骤2:训练您的第一个神经网络(初学者)
步骤3:了解卷积神经网络(初学者)
步骤4:构建自己的图像数据集(中级)
步骤5:在您的数据集上训练CNN(中级)
步骤6:调整学习速度(中级)
步骤7:数据扩充(中级)
步骤8:特征提取和微调预训练网络(中级)
步骤9:视频分类(高级)
步骤10:多输入多输出网络(高级)
步骤11:改善您的深度学习模型(高级)
步骤12:AutoML和Auto-Keras(高级)
3.面部应用
学习使用Computer Vision进行面部应用的基础知识。
步骤1:安装OpenCV,dlib和face_recognition(初学者)
步骤2:检测图像和视频中的人脸(初学者)
步骤3:发现面部地标(中级)
步骤4:创建Face Application小型项目(中级)
步骤5:构建人脸识别数据集(中级)
步骤6:人脸识别(中级)
步骤7:提高您的面部识别准确度(中级)
步骤8:检测伪造的面孔并进行反面部欺骗
4.光学字符识别(OCR)
计算机视觉的最早应用之一是光学字符识别(OCR)。本节将为您提供构建自己的OCR管道所需的知识。
步骤1:安装OpenCV(初学者)
步骤2:探索Tesseract for OCR(初学者)
步骤3:不使用Tesseract的OCR(中级)
步骤4:在小型项目中练习OCR(中级)
步骤5:自然场景中的文本检测(中级)
步骤6:将文本检测与OCR结合使用(高级)
5.物体检测
我们将研究对象检测的一些基本方法,一直到基于深度学习的对象检测器(包括YOLO和SSD)进行工作。
步骤1:配置开发环境(初学者)
步骤2:创建基本对象检测器/跟踪器(初学者)
步骤3:基本人员检测(初学者)
步骤4:改进我们的基本对象检测器(初学者)
步骤5:您的第一个深度学习对象检测器(中级)
步骤6:深度学习的实时对象检测(中级)
步骤7:深度学习对象检测器(中级)
步骤8:评估深度学习对象检测器性能(中级)
步骤9:从对象检测到语义/实例分割(中级)
步骤10:嵌入式设备上的对象检测(高级)
6.对象追踪
通常在检测到对象之后才应用对象跟踪算法 ,本节中,我们将学习这些类型的对象跟踪算法。
步骤1:在系统上安装OpenCV(初学者)
步骤2:您的第一个对象跟踪器(初学者)
步骤3:发现质心跟踪(中级)
步骤4:更好的对象跟踪算法(中级)
步骤5:多对象跟踪(中级)
步骤6:应用对象跟踪和计数(中级)
7.实例分割和语义分割
步骤1:配置开发环境(初学者)
步骤2:细分与对象检测(中级)
步骤3:应用Mask R-CNN(中级)
步骤4:使用OpenCV(中级)进行语义细分
后面的内容,这里就不做累赘的叙述了,建议感兴趣的新手小白,直接前往官网进行阅读学习。https://www.pyimagesearch.com/start-here/
|
![](plugin.php?id=weijie_qr&data=http%3A%2F%2Fbbs.amovlab.com%2Fforum.php%3Fmod%3Dviewthread%26tid%3D1177&code=dfed36f1) 扫一扫浏览分享
|
|
|
|
|
|
|