Olá leitor.
Para você, o fato de todos terem experimentado máscaras de envelhecimento por meio
do aplicativo Face não é mais novidade. Por sua vez, para visão computacional, existem tarefas mais interessantes que isso. Abaixo, apresentarei 8 etapas que ajudarão você a dominar os princípios da visão computacional.
Antes de começar com as etapas, vamos entender quais
tarefas você e eu podemos resolver com a ajuda da visão por computador. Exemplos de tarefas podem incluir o seguinte:
O conhecimento mínimo necessário para dominar a visão computacional
Então agora vamos descer as etapas.
Etapa 1 - Técnicas básicas de imagem
Esta etapa é sobre o básico técnico.
Confira esta ótima lista de reprodução do YouTube,
The Ancient Secrets of Computer Vision, de
Joseph Redmon.Leia o terceiro capítulo do livro de Richard Sheliski,
Computer Vision: Algorithms and Applications.
Desenvolva conhecimento - tente
transformar imagens com o OpenCV. O site possui muitos
manuais eletrônicos passo a passo , orientados pelos quais você pode descobrir tudo.
Etapa 2 - Rastreamento de movimento e análise de fluxo óptico
Um fluxo óptico é uma sequência de imagens de objetos obtidos movendo um observador ou objetos em relação a uma cena.
Faça o curso -
um curso de visão computacional na Udacity , especialmente a lição 6.
Veja
o oitavo vídeo da lista do YouTube e uma palestra sobre fluxo e rastreamento ópticos.
Leia as seções 10.5 e 8.4 do
livro de Sheliski.
Como um projeto de treinamento, descubra como usar o OpenCV para
rastrear um objeto em um quadro de vídeo.Etapa 3 - Segmentação básica
Na visão computacional, a
segmentação é o processo de dividir uma imagem digital em vários segmentos (super pixels). O objetivo da segmentação é simplificar e / ou alterar a apresentação de uma imagem para facilitar e facilitar a análise.
Portanto,
a transformação Hough permite encontrar círculos e linhas.
Confira estes vídeos:
Confira -
um excelente projeto cujas tarefas semelhantes são extremamente importantes para a visão computacional de veículos elétricos autônomos.
Etapa 4 - Montagem
Dados diferentes requerem uma abordagem de ajuste específica e seus próprios algoritmos.
Assista ao vídeo:
Leia as seções 4.3.2 e 5.1.1 do
livro de texto Sheliski.Como tarefa de trabalho independente, analise o
problema de determinar as coordenadas do local onde as linhas convergem no horizonte da perspectiva.Etapa 5 - Combinando imagens obtidas de diferentes pontos de inspeção
Confira a
lista de reprodução do YouTubeLeia a
carta de apresentação.Para o projeto, você pode levar seus próprios dados. Por exemplo, tire uma foto de móveis de lados diferentes e faça um objeto 3D no OpenCV a partir de um álbum de imagens planas.
Etapa 6 - cenas 3D
Sendo capaz de criar objetos 3D a partir de imagens planas, você pode tentar criar uma realidade tridimensional.
Take -
Curso de Visão e Rastreamento EstéreoAssista ao vídeo:
Como projeto, tente
reconstruir a cena ou
rastrear um objeto no espaço tridimensional .
Etapa 7 - Reconhecimento de objetos e classificação de imagens
É conveniente usar o TensorFlow como uma estrutura para aprendizado profundo. Essa é uma das estruturas mais populares, para que você possa encontrar facilmente exemplos suficientes. Para começar com imagens no TensorFlow, siga
este tutorial .
Além disso, usando links, considere os seguintes tópicos:
Como projeto, crie uma rede neural no TensorFlow que determine a
marca do carro ou a
raça do cachorro a partir da
imagem .
Etapa 8 - Aprendizado profundo e moderno
Ler -
Palestras do Curso de StanfordAssista ao vídeo:
Sobre isso, nossos passos no estudo da visão por computador chegaram ao fim. Espero que você tenha aprendido algo novo para si mesmo. Como é habitual em Habré, gostei do post - coloque um plus. Não se esqueça de compartilhar com os colegas. Além disso, se você tiver algo que possa compartilhar, escreva nos comentários. Mais informações sobre aprendizado de máquina e ciência de dados em
Habré e no canal de telegrama
Neuron (@neurondata).
Todo conhecimento!