कंप्यूटर विज़न की मास्टरींग - 8 मूल चरण

नमस्कार पाठक।

आपके लिए, इस तथ्य से कि सभी ने फेस ऐप के माध्यम से उम्र बढ़ने के मास्क की कोशिश की है, अब कोई खबर नहीं है। बदले में, कंप्यूटर दृष्टि के लिए इस से अधिक दिलचस्प कार्य हैं। नीचे मैं 8 चरणों को प्रस्तुत करूंगा जो आपको कंप्यूटर दृष्टि के सिद्धांतों को मास्टर करने में मदद करेंगे।



चरणों के साथ शुरू करने से पहले, आइए समझें कि आप और मैं किन कार्यों को कंप्यूटर दृष्टि की मदद से हल कर सकते हैं। कार्यों के उदाहरणों में निम्नलिखित शामिल हो सकते हैं:

• छवि विभाजन
• ऑब्जेक्ट डिटेक्शन
• छवि वर्गीकरण
• समय में चलती वस्तुओं पर नज़र रखना
• चेहरे की पहचान
• ऑप्टिकल चरित्र मान्यता
• छवि निर्माण

कंप्यूटर दृष्टि को मास्टर करने के लिए आवश्यक न्यूनतम ज्ञान

• पायथन सिंटैक्स का मजबूत ज्ञान ;
• गणितीय विश्लेषण ;
• रैखिक बीजगणित ;
• OpenCV लाइब्रेरी
• TensorFlow डीप लर्निंग फ्रेमवर्क

तो चलिए अब नीचे कदमों की तरफ बढ़ते हैं।

चरण 1 - मूल इमेजिंग तकनीक

यह कदम तकनीकी बुनियादी बातों के बारे में है।

यूसुफ रेडमन द्वारा इस महान YouTube प्लेलिस्ट, द प्राचीन रहस्य ऑफ़ कंप्यूटर विज़न की जाँच करें ।





रिचर्ड शेलिस्की की पुस्तक कंप्यूटर विज़न: एल्गोरिथम और एप्लिकेशन के तीसरे अध्याय को पढ़ें ।



ज्ञान का निर्माण - OpenCV के साथ छवियों को बदलने में अपने आप को आज़माएं। साइट में कई चरण-दर-चरण इलेक्ट्रॉनिक मैनुअल हैं , जिनके द्वारा आप सब कुछ समझ सकते हैं।

चरण 2 - मोशन ट्रैकिंग और ऑप्टिकल फ्लो विश्लेषण

एक ऑप्टिकल स्ट्रीम एक दृश्य के सापेक्ष एक पर्यवेक्षक या वस्तुओं को स्थानांतरित करके प्राप्त वस्तुओं की छवियों का एक क्रम है।

पाठ्यक्रम लें - उडनेस पर एक कंप्यूटर विज़न कोर्स , विशेष रूप से 6 पाठ।
एक नज़र - YouTube सूची पर 8 वें वीडियो और ऑप्टिकल प्रवाह और ट्रैकिंग पर एक व्याख्यान।


पढ़ें - सेल्फी टेक्स्टबुक के सेक्शन 10.5 और 8.4 ।



एक प्रशिक्षण परियोजना के रूप में, वीडियो फ्रेम में किसी वस्तु को ट्रैक करने के लिए OpenCV का उपयोग करने का तरीका जानें ।

चरण 3 - मूल विभाजन

कंप्यूटर दृष्टि में, विभाजन एक डिजिटल छवि को कई खंडों (सुपर पिक्सल) में विभाजित करने की प्रक्रिया है। विभाजन का उद्देश्य एक छवि की प्रस्तुति को सरल और / या बदलना है ताकि विश्लेषण करना आसान और आसान हो।

तो, Hough ट्रांसफॉर्म आपको मंडलियों और लाइनों को खोजने की अनुमति देता है।

ये वीडियो देखें:





देखें - एक उत्कृष्ट परियोजना जिसके समान कार्य स्वयं-ड्राइविंग इलेक्ट्रिक वाहनों की कंप्यूटर दृष्टि के लिए अत्यंत महत्वपूर्ण हैं।

चरण 4 - फिटिंग

अलग-अलग डेटा को एक विशिष्ट फिटिंग दृष्टिकोण और अपने स्वयं के एल्गोरिदम की आवश्यकता होती है।

वीडियो देखें:


पढ़ें - शेल्स्की पाठ्यपुस्तक के खंड 4.3.2 और 5.1.1 ।

स्वतंत्र कार्य के लिए एक कार्य के रूप में, उस स्थान के निर्देशांक को निर्धारित करने की समस्या का विश्लेषण करें जहां रेखाएं परिप्रेक्ष्य क्षितिज पर अभिसरण होती हैं।

चरण 5 - निरीक्षण के विभिन्न बिंदुओं से प्राप्त छवियों का संयोजन

Youtube प्लेलिस्ट देखें


कवर लेटर पढ़ें ।

प्रोजेक्ट के लिए, आप अपना डेटा ले सकते हैं। उदाहरण के लिए, विभिन्न पक्षों से फर्नीचर की एक तस्वीर लें और फ्लैट छवियों के एक एल्बम से ओपनसीवी में 3 डी ऑब्जेक्ट बनाएं।

चरण 6 - 3 डी दृश्य

समतल छवियों से 3 डी ऑब्जेक्ट बनाने में सक्षम होने के कारण, आप त्रि-आयामी वास्तविकता बनाने की कोशिश कर सकते हैं।

टेक - स्टीरियो विजन एंड ट्रैकिंग कोर्स

वीडियो देखें:




एक परियोजना के रूप में, दृश्य को फिर से संगठित करने या तीन-आयामी अंतरिक्ष में एक वस्तु को ट्रैक करने का प्रयास करें।

चरण 7 - ऑब्जेक्ट मान्यता और छवि वर्गीकरण

TensorFlow को गहन शिक्षण के लिए एक ढांचे के रूप में उपयोग करना सुविधाजनक है। यह सबसे लोकप्रिय रूपरेखाओं में से एक है, जिससे आप आसानी से पर्याप्त उदाहरण पा सकते हैं। TensorFlow में छवियों के साथ आरंभ करने के लिए, इस ट्यूटोरियल से गुजरें।

इसके अलावा, लिंक का उपयोग करते हुए, निम्नलिखित विषयों पर विचार करें:

• शब्दार्थ विभाजन : वस्तुओं, दृश्यों, गतिविधियों का वर्गीकरण
• ऑब्जेक्ट डिटेक्शन ( गैर अधिकतम दमन , स्लाइडिंग विंडो , बाउंडिंग बॉक्स और एंकर , एलीमेंट काउंटिंग)
• योलो और डार्कनेट , क्षेत्र प्रस्ताव नेटवर्क
• नियंत्रित वर्गीकरण एल्गोरिदम (शिक्षक प्रशिक्षण)
• दृश्य विशेषताएँ
• ऑप्टिकल चरित्र मान्यता
• चेहरा पहचानना

एक परियोजना के रूप में, TensorFlow में एक तंत्रिका नेटवर्क बनाएं जो एक छवि से कार या कुत्ते की नस्ल का ब्रांड निर्धारित करता है।

चरण 8 - आधुनिक दीप सीखना

पढ़ें - स्टैनफोर्ड कोर्स लेक्चर

वीडियो देखें:




इस पर कंप्यूटर दृष्टि के अध्ययन में हमारे कदम समाप्त हो गए। मुझे आशा है कि आपने अपने लिए कुछ नया सीखा है। जैसा कि हैबे पर प्रथा है, मुझे पोस्ट पसंद आई - एक प्लस लगाओ। सहकर्मियों के साथ साझा करना न भूलें। इसके अलावा, अगर आपके पास कुछ ऐसा है जिसे आप खुद साझा कर सकते हैं - टिप्पणियों में लिखें। मशीन लर्निंग और डेटा साइंस के बारे में अधिक जानकारी हैबे पर और टेलीग्राम चैनल न्यूरॉन (@neurondata) में।

सभी ज्ञान!