Termasuk semua Fitur Pemrosesan Gambar OpenCV dengan Contoh Sederhana. Deteksi Wajah, Pengenalan Wajah & OCR Pembelajaran Dalam
Apa yang akan Anda pelajari :
- Pelajari semua fungsi penting dari Perpustakaan OpenCV. Menerapkan Deteksi Wajah, Pengenalan Wajah dan Pengenalan Karakter Optik.
Deskripsi :
Computer Vision adalah berbasis AI, yaitu, teknologi berbasis Artificial Intelligence yang memungkinkan komputer untuk memahami dan memberi label pada gambar. Sekarang digunakan di toko-toko, Pengetesan Mobil Tanpa Pengemudi, Mekanisme Akses Keamanan, Pengawasan dan Investigasi Investigasi, Diagnosis Medis Harian memantau kesehatan tanaman dan stok hidup dan seterusnya dan seterusnya ..
Bahkan untuk menganalisis data yang berasal dari bintang luar angkasa, planet, dll, kami juga menggunakan Computer Vision.
Contoh umum akan mekanisme deteksi wajah dan membuka kunci yang Anda gunakan di ponsel Anda. Kami menggunakannya setiap hari. Itu juga merupakan aplikasi besar Computer Vision. Dan hari ini, perusahaan teknologi terkemuka seperti Amazon, Google, Microsoft, Facebook dll berinvestasi jutaan dan jutaan Dolar ke dalam penelitian dan pengembangan produk berbasis Visi Komputer.
Jadi .. Mempelajari dan menguasai dunia yang fantastis dari teknologi berbasis Computer Vision ini tentu saja merupakan pasar yang tinggi dan itu akan membuat Anda mahir bersaing dengan arena teknologi Image Processing yang cepat berubah.
Dan kursus ini dirancang sedemikian rupa sehingga bahkan pemula untuk pemrograman dapat menguasai teknologi berbasis Computer Vision.
Berikut adalah topik utama yang akan kita bahas dalam kursus ini.
Sesi 1: Pengantar OpenCV
Kami terutama akan berkonsentrasi pada OpenCV, yang merupakan perpustakaan open source Computer Vision.
Ini digunakan di seluruh dunia dalam menyediakan Teknologi Berbasis Visi Komputer. Jadi kita akan memiliki pengantar untuk OpenCV, fitur, versi, dan semua detail lainnya, kita akan membahas di sesi pertama.
Sesi 2: Memasang Kotak Virtual dan Ubuntu 18
Pada sesi kedua, kita akan menginstal Virtual Box dengan Ubuntu 18 versi terbaru dari Ubuntu Linux di dalamnya, sehingga kita dapat memiliki pengaturan laboratorium berbasis Visi Komputer secara terpisah, daripada kita perlu menginstal semua paket dan semuanya ke dalam kita komputer atau laptop yang Anda gunakan setiap hari. Jadi lebih baik memiliki pengaturan Lab terpisah sehingga kita dapat bermain dan membuat tangan kita kotor dengan program berbasis Computer Vision, contoh latihan dan semuanya.
Sesi 3: Instalasi Perpustakaan dan Dependensi
Dan di sesi ketiga, kita akan menginstal perpustakaan yang diperlukan untuk Pemrograman Visi Komputer. Kami terutama akan menggunakan program Python. Python sebenarnya adalah bahasa yang terutama digunakan untuk ilmiah … semacam ini tujuan penelitian dan semua .. Jadi kombinasi terbaik adalah Python – OpenCV dan Linux. Kombinasi terbaik untuk menjalankan program Computer Vision berbasis OpenCV kami.
Sesi 4: Menginstal Editor Teks Sublime untuk Ubuntu
Dan di sesi berikutnya, kita akan mengatur IDE kita, yang Sublime Text, akan kita instal
dan konfigurasikan Teks Sublim di dalam Mesin Virtual Ubuntu kami.
Sesi 5: Konsep Pemrosesan Gambar
Pada sesi berikutnya, yang merupakan sesi Teori, kita akan memiliki konsep, Pixel, Ukuran, Gambar dan semua konsep yang didasarkan pada Pemrosesan Gambar.
Sesi 6: OpenCV: Baca Memuat dan Simpan Gambar – Program Contoh
Kemudian di sesi berikutnya, kita akan menggunakan OpenCV. Kami akan menjalankan contoh sederhana OpenCV untuk memuat gambar, lalu menunjukkan gambar itu menggunakan fitur Image Viewer dari OpenCV dan kami akan menyimpan gambar itu dalam format terpisah.
Sesi 7: Manipulasi OpenCV Pixel dan Area
Kemudian di sesi berikutnya, kita akan memanipulasi gambar berdasarkan pikselnya, itu adalah elemen terbaik yang tersedia untuk gambar itu yaitu piksel. Jadi kami akan melakukan manipulasi tingkat piksel kami di sesi berikutnya.
Sesi 8 – 10:
OpenCV – Garis Menggambar, Persegi Panjang, Sederhana, Lingkaran Konsentris, Lingkaran Acak
Pada sesi mendatang, kita akan menggambar beberapa bentuk, beberapa persegi panjang, lingkaran, bentuk-bentuk seperti itu yang akan kita coba gambar di atas gambar kita menggunakan pustaka OpenCV.
Sesi 11 – 15:
Transformasi Gambar OpenCV – Terjemahan, Rotasi, Mengubah Ukuran, Membalik, Memotong
Dan kemudian sesi berikutnya, kita akan melanjutkan dengan transformasi. Transformasi Gambar
seperti mengubah ukuran, membalik, lalu … mengubah posisi, memotong, memutar .. hal-hal seperti itu, kita akan hadapi
Sesi 16 – 17:
Operasi Aritmatika Gambar OpenCV, Operasi Bitwise / Logical
Pada sesi berikutnya dan kemudian kita akan melakukan beberapa operasi aritmatika pada gambar dan juga kita akan melakukan beberapa operasi berbasis bitwise pada gambar.
Sesi 18: OpenCV – Gambar Masking
Lalu kita memiliki masking dari gambar. Kami akan menyertakan Masker, yang merupakan gambar yang dibuat secara manual di atas gambar alami dan normal kami. Kemudian kami akan melakukan beberapa operasi
berdasarkan masking ini.
Sesi 19: Saluran Warna Gambar Menggabungkan dan Memisahkan
Dan kemudian kita akan melanjutkan dengan Saluran Gambar. Pada dasarnya gambar berwarna akan memiliki 3 saluran, maka gambar hitam dan putih akan menjadi .. atau gambar skala abu-abu akan memiliki satu saluran. Jadi kami akan menggabungkan dan membagi saluran ini dari gambar yang diberikan sehingga kami akan memiliki pemahaman yang lebih baik tentang saluran gambar.
Sesi 20: OpenCV – Ruang Warna Lainnya – GREY, HSV, LAB
Maka kita akan berurusan dengan Color Spaces. Ruang warna primer adalah RGB, dan kami akan berurusan dengan beberapa jenis Ruang Warna lain yang didukung oleh OpenCV.
Sesi 21 – 22:
OpenCV – Histogram skala abu-abu, Histogram Warna
Dan pada sesi berikutnya, kita akan membahas Histogram, yang merupakan representasi grafis dari intensitas cahaya, atau piksel dalam gambar itu. Kami akan berurusan dengan Histogram. Kami akan belajar bagaimana Anda dapat menganalisis Historam untuk mengetahui sifat gambar itu.
Sesi 23: OpenCV – Penyamaan Histogram
Kemudian kita akan menggunakan Equalization Histogram untuk menyamakan gambar untuk menghapus tepi kasar gambar untuk menyamakan warna, kontras gambar menggunakan equalizer histogram.
Sesi 24 – 25: OpenCV – Pengaburan Gambar, Ambang Batas Gambar
Kita akan melanjutkan dengan efek seperti blur, maka kita akan melakukan thresholding di mana kita akan mengubah gambar normal menjadi format biner, seperti Hitam atau Putih, hal-hal seperti itu … kita akan berurusan dengan sesi Thresholding.
Sesi 26: OpenCV – Deteksi Gradien Gambar
Dan kemudian kita akan melanjutkan dengan Gradient Detection dan Edge Detection, yang sangat digunakan di dunia teknologi pemrosesan gambar.
Sesi 27: OpenCV- Canny Edge Detection
Dan kita akan melakukan latihan lain di Edge Detection menggunakan Canny Edge Detector.
Sesi 28: OpenCV – Kontur Gambar
Kemudian kita akan melanjutkan dengan Kontur. Kontur adalah garis yang ditarik melintasi tepi gambar, yaitu tepi luar gambar yang juga merupakan fitur yang sangat berguna dalam mendeteksi gambar di dalam gambar besar atau foto.
Sesi 29: Deteksi Wajah menggunakan OpenCV
Dan kemudian kita akan melanjutkan dengan beberapa aplikasi berbasis Inteligensi Buatan seperti Deteksi Wajah Yaitu mendeteksi jumlah wajah di dalam gambar besar.
Sesi 30: Pengenalan Wajah menggunakan Pembelajaran Mesin
Kemudian Face Recognition di mana, program komputer akan mengenali gambar berdasarkan wajah yang telah dipelajari sebelumnya.
Sebagai contoh, sekelompok Senator Amerika dan komputer kita sudah belajar dengan foto Barack Obama, maka komputer akan mendeteksi wajah tertentu itu, dari foto besar itu. Kami akan menggunakan pustaka pengenalan wajah yang disebut face_recognition, yang didasarkan pada Python. Kami akan menggunakannya sehingga kami dapat dengan mudah, cepat mengimplementasikan program Deteksi Wajah dan Pengenalan Wajah dengan Python.
Sesi 31: Tata Rias Digital
Menggunakan Teknik yang disebut Makeup Digital untuk gambar wajah dan membuatnya terlihat lebih cantik (atau menakutkan).
Ini dilakukan dengan mengidentifikasi cara mendapatkan landmark wajah yang dipilih dari daftar pengkodean wajah yang tersedia.
Gambarlah bentuk-bentuk seperti poligon, garis, dll. Di atas bidang yang diminati dan isi dengan warna.
Simpan gambar jika Anda mau.
Sesi 32: Perhitungan Jarak Wajah
Hitung nilai numerik kecocokan wajah.
Gunakan nilai ini untuk membuat keputusan apakah wajah cocok atau tidak dan perpanjangan pertandingan diperoleh.
Sesi 32: Pengenalan Wajah Waktu Nyata menggunakan Pembelajaran Mesin
Berbeda dengan latihan sebelumnya di mana pengenalan wajah dilakukan pada gambar statis, berikut adalah memberi makan program dengan video langsung dari kamera web komputer kita.
Kemudian setiap frame ditangkap, dianalisis, dan kemudian pengenalan wajah dilakukan sehingga video waktu nyata dapat dideteksi dan dikenali untuk wajah-wajah yang dikenal di dalamnya.
Sesi 33: Pengenalan Karakter Optik – OCR menggunakan PyTesseract Library
Kemudian nanti, kita akan melanjutkan dengan Optical Character Recognition, yang juga merupakan aplikasi berbasis Inteligensi Buatan Optical Character Recognition adalah Teknologi lama sebenarnya. Baru-baru ini telah diperbaiki. Kami akan menggunakan perpustakaan yang disebut Tesseract, yang juga merupakan perpustakaan berbasis OpenCV. Kami akan menggunakannya dan melakukan Pengenalan Karakter Optik dengan cepat, tanpa harus berurusan dengan semua kompleksitas lainnya, karena perpustakaan itu membuat Pengenalan Karakter Optik sangat mudah dilakukan dalam program Python Anda.
Sesi 34: Detektor gerak Real-time sederhana menggunakan OpenCV dari Camera Video Stream
Sesi 35: Pengakuan Objek menggunakan model pra-terlatih
Meliputi SSD, YOLO dan Mask R-CNN
Sesi 36: Sistem Pengenalan Ekspresi Wajah Real-time dari Kamera Video Stream
Jadi secara keseluruhan ini adalah paket lengkap di mana Anda dapat belajar Teknologi Berbasis Visi Komputer, Deteksi Wajah berbasis Pembelajaran Dalam, lalu Pengenalan Wajah dan Pengenalan Karakter Optik.
