Kursusindhold

Computer Vision Grundlæggende

1. Introduktion til Computer Vision

Hvad er Computer Vision?Grundlæggende Billedbehandling Lineær Algebra til Billedmanipulation

2. Billedbehandling med OpenCV

Grundlæggende Transformationer Fourier-transformering Lavpas- og Højpasfiltre Støjreduktion og Udglatning Histogramudjævning Superopløsningsmetoder Kantdetektion Hjørne- og Blobdetektion

3. Konvolutionelle Neurale Netværk

Introduktion til Konvolutionelle Neurale Netværk Konvolutionslag Pooling-lag Udfladning Aktiveringsfunktioner Oversigt over Populære CNN-Modeller Udfordring: Opbygning af et CNN

4. Objektdetektion

Objektlokalisering Objektgenkendelse Forudsigelser af Afgrænsningsbokse Intersection Over Union (IoU) og Evalueringsmetrikker Ikke-maks-undertrykkelse (NMS)Ankerbokse Oversigt Over YOLO-Modellen Udfordring: Objektdetektion med Brugerdefineret Model og YOLO

5. Oversigt Over Avancerede Emner

Transfer Learning i Computer Vision Oversigt over Ansigtsgenkendelse Oversigt over Billedgenerering

Udfordring: Objektdetektion med Brugerdefineret Model og YOLO

I denne opgave vil du dykke ned i objektdetektion ved hjælp af dyb læring. Først bygger du din egen objektdetektionsmodel fra bunden med Keras. Derefter indlæser du en fortrænet YOLOv8-model og anvender den på det samme datasæt.

Undervejs vil du:

Træne en simpel Keras-baseret objektdetektor;
Indlæse og køre forudsigelser med en YOLOv8-model trænet på de samme data;
Evaluere dens ydeevne på rigtige valideringsbilleder;
Sammenligne resultater og forstå forskellen mellem egne modeller og de mest avancerede modeller.

Midt i notebooken vil du reflektere over, hvorfor det kan være begrænsende at bygge detektionsmodeller fra bunden — og kort nævne vigtigheden af transfer learning for praktiske anvendelser.

Var alt klart?

Tak for dine kommentarer!

Sektion 4. Kapitel 8

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat