通过我们的综合课程，踏上计算机视觉和深度学习的迷人世界，旨在让您掌握使用 Python 掌握视频对象跟踪、车辆速度估计、对象检测、对象分割和姿势估计的技能。本课程将理论与实际应用相结合，为您提供构建复杂系统的知识，这些系统可以解释和理解来自我们周围世界的视觉信息。无论您是初学者还是希望提高自己的专业知识，本课程都将为您在计算机视觉和深度学习的动态领域取得优异成绩铺平道路。
Published 6/2024
Created by Dr. Mazhar Hussain
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English | Duration: 32 Lectures ( 2h 22m ) | Size: 1.73 GB
让我们简要介绍一下您将在本课程中学习的计算机视觉和深度学习任务。
-
使用 Python 进行对象跟踪： •视频分析领域中的对象跟踪是一项关键任务，不仅要识别帧内对象的位置和类别，还要维护唯一的 ID 对于视频中每个检测到的对象。它涉及识别和监控特定对象随时间的移动和行为，通常是在动态或复杂的环境中。对于对象跟踪，您将使用两种著名的对象跟踪算法：
1. BotSort： BotSort 算法采用特征提取、聚类和跟踪等技术组合来识别和跟踪视频帧或序列中的对象。
2. ByteTrack： ByteTrack 利用最先进的深度学习架构和优化技术来有效跟踪视频序列中的对象，同时保持鲁棒性和准确性。
-
使用 Python 进行车辆速度估计：速度估计是计算给定上下文中物体移动速率的过程，通常用于计算机视觉应用程序。使用 Ultralytics YOLOv8，您可以使用对象跟踪以及距离和时间数据来计算对象的速度，这对于交通和监控等任务至关重要。速度估计的准确性直接影响各种应用的效率和可靠性，使其成为智能系统和实时决策过程进步的关键组成部分。
-
使用 Python 进行姿势估计：姿势估计是一项涉及识别图像中特定点（通常称为关键点）位置的任务。关键点可以表示对象的各个部分，例如关节、地标或其他独特特征。关键点的位置通常表示为一组 2D [x, y] 或 3D [x, y,visible] 坐标。姿势估计模型的输出是一组代表图像中对象上的关键点的点，通常以及每个点的置信度得分。当您需要识别场景中对象的特定部分以及它们之间的相对位置时，姿势估计是一个不错的选择。
-
自定义数据集上的对象分割：对象分割是一项计算机视觉任务，用于在像素级别检测和分割单个对象。实例分割比对象检测更进一步，涉及识别单个对象并将其与区域的其余部分分割。实例分割模型的输出是一组勾勒出图像中每个对象的掩模或轮廓，以及每个对象的类标签和置信度分数。当您不仅需要知道对象在图像中的位置，而且还需要知道它们的确切形状时，实例分割非常有用。
-
自定义数据集上的对象检测：对象检测是一项计算机视觉任务，涉及识别图像或视频流中对象的位置和类别。对象检测器的输出是一组包围图像中对象的边界框，以及每个框的类标签和置信度分数。当您需要识别场景中感兴趣的对象，但不需要知道对象的确切位置或其确切形状时，对象检测是一个不错的选择。
-
对象分类：对象分类是一项计算机视觉任务，涉及将整个图像分类为一组预定义的类别之一。图像分类器的输出是单个类标签和置信度得分。当您只需要知道图像属于哪个类，而不需要知道该类的对象位于何处或其确切形状是什么时，图像分类非常有用。
通过注册本课程，您不仅将获得视频对象跟踪、车辆速度估计、对象检测、对象分割和姿势估计方面的丰富实用技能，而且您还将加入由创新驱动的志同道合的个人组成的社区和成功。不要错过这个改变你的职业生涯和塑造技术未来的机会。迎接挑战，立即注册，开始利用 Python 打造成为计算机视觉领域领导者的道路。
你将会学到的
使用 Python 编码在视频上进行对象跟踪
使用 Python 编码进行车辆速度估计
使用 Python 进行姿势估计和关键点检测
在自定义数据集上使用 Python 进行对象分割
在自定义数据集上使用 Python 进行对象检测
使用 YOLOv8 和 Python 编码进行对象分类
使用 ByteTrack 和 BotSort 跟踪算法进行对象跟踪
使用 Python 进行 YOLOv8 车辆视频实例分割
使用 Python 进行 YOLOv8 足球运动员视频目标检测
实时测试、训练和部署 YOLOv8 模型
要求
需要有 Google Gmail 帐户才能开始使用 Google Colab 编写 Python 代码
无需具备计算机视觉和深度学习的先验知识。一切都将包含实践培训
此课程面向哪些人：
- 本课程专为对计算机视觉和深度学习现实应用领域有共同兴趣的不同受众而设计。
- 本课程非常适合希望增强计算机视觉和使用 Python 进行视频对象跟踪、车速估计、对象检测、对象分割和姿势估计方面的深度学习应用知识的学生和学者。