Khóa Học Computer Vision Với Python (OpenCV) – YOLO, SSD [Update Tháng 7-2022]

Phương pháp Viola-Jones, HOG features, R-CNN, YOLO và SSD (Single Shot) Object Detection Approaches với Python và OpenCV.

Bạn sẽ học được gì:

• Hiểu rõ về các Computer Vision model mạnh mẽ nhất.
• Hiểu OpenCV.
• Hiểu và triển khai thuật toán Viola-Jones.
• Hiểu và triển khai thuật toán Histogram of Oriented Gradients (HOG).
• Hiểu và triển khai các phương pháp tiếp cận thị giác máy tính liên quan đến convolutional neural network (CNN).
• Hiểu và triển khai thuật toán YOLO (You Only Look Once).
• Thuật toán Single Shot MultiBox Detection SDD.
• Master face detection và object detection.

Khóa học này nói về khái niệm nền tảng của xử lý hình ảnh, tập trung vào face detection và object detection. Những chủ đề này đang trở nên rất nóng hiện nay vì những thuật toán học này có thể được sử dụng trong một số lĩnh vực từ kỹ thuật phần mềm đến điều tra tội phạm. Ô tô tự lái (ví dụ như phương pháp tiếp cận phát hiện làn đường) chủ yếu dựa vào computer vision.

Với sự ra đời của Deep learning và Graphical Processing Unit (GPU) trong thập kỷ qua, bạn có thể chạy các thuật toán này ngay cả trong video thời gian thực. Vậy bạn sẽ học được gì trong khóa học này?

Phần 1 – Image Processing Fundamentals:

• Lý thuyết thị giác máy tính..
• Các giá trị cường độ pixel là gì.
• Convolution và Kernel (filter).
• Blur Kernel.
• Sharpen kernel.
• Edge detection trong computer vision (edge detection kernel).

Phần 2 – Serf-Driving Car và Lane Detection:

• Cách sử dụng các phương pháp tiếp cận thị giác máy tính trong phát hiện làn đường.
• Thuật toán Canny.
• Cách sử dụng Hough transform để tìm đường dựa trên cường độ pixel.

Phần 3 – Face Detection với thuật toán Viola-Jones:

• Phương pháp tiếp cận Viola-Jones trong computer vision.
• Sliding-windows approach là gì.
• Phát hiện khuôn mặt trong hình ảnh và trong video.

Phần 4 – Thuật toán Histogram of Oriented Gradients (HOG):

• Cách outperform Viola-Jones algorithm với các cách tiếp cận tốt hơn.
• Cách phát hiện độ dốc và cạnh trong một hình ảnh.
• Xây dựng histograms of oriented gradient.
• Sử dụng suppor vector machine (SVM) làm thuật toán machine learning cơ bản.

Phần 5 – Phương pháp tiếp cận dựa trên Convolution Neural Network (CNN):

• Region proposals và thuật toán Selective search.
• Region based convolutional neural network (C-RNN).
• fast C-RNN.
• faster C-RNN.

Phần 6 – You Only Look Once (YOLO) Object Detection Algorithm:

• YOLO approach là gì?
• Constructing bounding box.
• Làm thế nào để phát hiện các đối tượng trong một hình ảnh với một cái nhìn duy nhất?
• Intersection of union (IOU) algorithm.
• Làm thế nào để giữ bounding box phù hợp nhất với non-max suppression ?

Phần 7 – Single Shot MultiBox Detector (SSD) Object Detection Algorithm SDD:

• Ý tưởng chính đằng sau thuật toán SSD là gì.
• Constructing anchor box.
• VGG16 và MobileNet architecture.
• Triển khai SSD với video thời gian thực.

Chúng ta sẽ nói về nền tảng lý thuyết của các thuật toán nhận dạng khuôn mặt và phát hiện đối tượng chính sau đó chúng ta sẽ thực hiện các bài toán này trên cơ sở từng bước.

Cảm ơn bạn đã tham gia khóa học, chúng ta hãy bắt đầu!

Mục lục:

• 01. Thiết lập Môi trường.
• 02. Lịch sử của Thị giác Máy tính.
• 03. Xử lý Hình ảnh và Pixels.
• 04. Computer Vision Project I – Bài toán Nhận biết Làn đường (Ô tô Tự Lái).
• 05. 05. Lý thuyết thuật toán Viola-Jones Face Detection.
• 06. Face Detection với Viola-Jones Method Implementation.
• 07. Histogram of Oriented Gradients (HOG) Algorithm Theory.
• 08. Histogram of Oriented Gradients (HOG) Implementation.
• 09. 09. Phương pháp tiếp cận dựa trên Convolutional Neural Networks (CNN).
• 10. You Only Look Once (YOLO) Algorithm Theory.
• 11. You Only Look Once (YOLO) Algorithm Implementation.
• 12. Single-Shot MultiBox Detector (SSD) Theory.
• 13. SSD Algorithm Implementation.
• 14. Phụ lục #1 – Neural Networks Theory.
• 15. Phụ lục #2 – Deep Neural Networks Theory.
• 16. Phụ lục #3 – Convolutional Neural Networks (CNN).
• 17. Phụ lục #4 – Support Vector Machines (SVM).
• 18. TÀI LIỆU KHÓA HỌC (TẢI VỀ).

Khóa học này dành cho ai:

• Bất kỳ ai quan tâm đến machine learning (trí tuệ nhân tạo) và thị giác máy tính.