• ایمیل دانشگاه مجازی
  • تلگرام دانشگاه مجازی

آموزش نصب یولو ۹۰۰۰ دارک نت tiny Darknet YOLO 9000 (بخش ششم دوره ی شبکه های عصبی)

تعداد پسند ها : هنوز زوده
تاکنون 758 نفر این پست را مشاهده کرده اند

آموزش نصب یولو ۹۰۰۰ دارک نت Tiny Darknet YOLO 9000


آموزش نصب  یولو ۹۰۰۰ دارک نت  tiny Darknet YOLO 9000 (بخش ششم دوره ی شبکه های عصبی)
دانشگاه مجازی

آموزش نصب یولو ۹۰۰۰ دارک نت tiny Darknet YOLO 9000 (بخش ششم دوره ی شبکه های عصبی)

در این ویدیو آموزش نصب شناسایی کننده تصاویر با نام دارک نت یا همان تاینی دارک نت که با شهرت یولو ۹۰۰۰ نام گرفته است را به شما معرفی خواهیم کرد.

مدرس این دوره مخترع سید علیرضا میرحبیبی می باشد و در این ویدیو فقط به نصب این شناسایی کننده و اجرای تاینی یولو ۹۰۰۰ که خروجی متنی به همراه درصد احتمالات تشخیص مربوط به هر کلاس را ارایه می کند بسنده شده است.

اطلاعات کلی در رابطه با شناسایی اشیا را می توانید در متن انگلیسی زیر مطالعه فرمایید:

 

Object detection

Object detection is a computer technology related to computer vision and image processing that deals with detecting instances of semantic objects of a certain class (such as humans, buildings, or cars) in digital images and videos. Well-researched domains of object detection include face detection and pedestrian detection. Object detection has applications in many areas of computer vision, including image retrieval and video surveillance.

Uses

It is widely used in computer vision tasks such as image annotation, activity recognition, face detection, face recognition, video object co-segmentation. It is also used in tracking objects, for example tracking a ball during a football match, tracking movement of a cricket bat, or tracking a person in a video.

Concept

Every object class has its own special features that helps in classifying the class – for example all circles are round. Object class detection uses these special features. For example, when looking for circles, objects that are at a particular distance from a point (i.e. the center) are sought. Similarly, when looking for squares, objects that are perpendicular at corners and have equal side lengths are needed. A similar approach is used for face identification where eyes, nose, and lips can be found and features like skin color and distance between eyes can be found.

Methods

Methods for object detection generally fall into either machine learning-based approaches or deep learning-based approaches. For Machine Learning approaches, it becomes necessary to first define features using one of the methods below, then using a technique such as support vector machine (SVM) to do the classification. On the other hand, deep learning techniques are able to do end-to-end object detection without specifically defining features, and are typically based on convolutional neural networks (CNN).

  • Machine learning approaches:
    • Viola–Jones object detection framework based on Haar features
    • Scale-invariant feature transform (SIFT)
    • Histogram of oriented gradients (HOG) features
  • Deep learning approaches:
    • Region Proposals (R-CNN, Fast R-CNN, Faster R-CNN, cascade R-CNN.)
    • Single Shot MultiBox Detector (SSD)
    • You Only Look Once (YOLO)
    • Single-Shot Refinement Neural Network for Object Detection (RefineDet)
    • Retina-Net [15][9]
    • Deformable convolutional networks

آموزش های پیشنهادی

سایر آموزش های اتفاقی دانشگاه

بیشترین جستجوها در دانشگاه اینترنتی