Gesichtsmaskenerkennung mit TensorFlow und OpenCV

Computer Vision verändert die Art und Weise, wie wir mit öffentlichen Räumen interagieren und Sicherheit gewährleisten.Der Aufbau eines Echtzeit-Objektklassifizierungssystems ist eine der praktischsten Möglichkeiten, Deep Learning zu meistern. In diesem textbasierten Kurs lernen Sie, wie Sie ein konvolutionales neuronales Netzwerk (CNN) entwerfen, trainieren und implementieren, das automatisch erkennt, ob Personen Gesichtsmasken tragen.Sie beginnen mit den grundlegenden Konzepten der Bildvorverarbeitung und Computer Vision, bevor Sie zur praktischen Implementierung mit TensorFlow und OpenCV übergehen. Was Sie lernen werden: - Verstehen Sie die Kernkonzepte von Computer Vision, Bilddarstellung und Deep Learning-Architekturen. - Vorverarbeitung von Rohbilddatensätzen mit Python-Bibliotheken, um sie für das Training neuronaler Netze vorzubereiten. - Erstellen Sie ein Convolutional Neural Network (CNN) von Grund auf, um maskierte und nicht maskierte Gesichter zu klassifizieren. - Wenden Sie Transfer-Learning mit modernen, leichtgewichtigen Architekturen an, die für Echtzeit-Edge-Geräte optimiert sind. - Implementieren Sie die Gesichtserkennung auf statischen Bildern und Live-Videostreams mit OpenCV. - Bewerten Sie die Leistung Ihres Modells mit Verwirrungsmatrizen, Präzision, Rückruf und F1-Score. Der Kurs beginnt mit grundlegenden Konzepten der Bildverarbeitung und des Designs neuronaler Netze und führt Sie durch die Datenaufbereitung, das Modelltraining und die Implementierung von Echtzeit-Inferenzen mit Standard-Computer Vision-Pipelines. Dieser Kurs richtet sich an Anfänger in der Datenwissenschaft und dem maschinellen Lernen, die ein praktisches Computer Vision-Portfolioprojekt erstellen möchten.Es sind keine Vorkenntnisse in Deep Learning erforderlich, obwohl grundlegende Python-Kenntnisse hilfreich sind. Lesen Sie weiter, um Ihre erste Computer Vision-Anwendung für die Praxis zu erstellen.