Computer Vision con Python e OpenCV: il Corso Completo

About Computer Vision con Python e OpenCV: il Corso Completo

Aggiornamento Marzo 2020: Il Corso verrà presto aggiornato con la nuova sezione Neural Object Detection: YOLOV3

La

Computer Vision

è uno dei settori più hot dell'

Intelligenza Artificiale

, negli ultimi anni ha fatto progressi esponenziali grazie alle ultime tecniche di

Deep Learning

e all'utilizzo delle Reti

Neurali Artificiali

.

Ma cosa è esattamente la Computer Vision ?

La Computer Vision è un insieme di tecniche, metodi e modelli che ci permette di analizzare digitalmente immagini e video, riconoscendo forme e oggetti con una precisione anche superiore a quella dell'occhio umano. Le Applicazioni Pratiche sono innumerevoli e colpiscono moltissimi grandi settori:

Trasporti: Auto a Guida Autonoma

Healtcare: Diagnosi Medica Computerizzata

Sicurezza: Telecamere Intelligenti

Gaming: Microsoft Kinect

Cosa faremo in questo corso ?

Dopo la breve introduzione alla Computer Vision della prima sezione prepareremo il campo di battaglia nella seconda, installando

Anaconda

, prendendo familiarità con Visual Studio Code e creando l'Ambiente Virtuale che utilizzeremo durante il corso. Nella terza sezione parleremo di come i Computer vedono le Immagini e impareremo ad aprire un'immagine con

Numpy

, popolarissima libreria Python per il calcolo numerico. Nella quarta sezione inizieremo a parlare di

OpenCV

, la più popolare libreria per la Computer Vision, vedremo come aprire e elaborare un'immagine, ridimensionandola, ritagliandola e disegnandoci sopra testo e forme. Nella quinta sezione vedremo come acquisire Immagini da Webcam utilizzando OpenCV, modificandole in tempo reale e salvandole sia in formato immagine che video. Subito dopo inizieremo con il Machine Learning, vendendo una delle più basilari tecniche di

Object Detection: Haar Cascade Classifiers

, ne studieremo la teoria e poi vedremo come implementare questo modello utilizzando OpenCV per riconoscere volti in flussi di video in tempo reale. Nella settima sezione faremo un'ulteriore passo avanti, passando dall'Object Detection all'

Object Tracking

, sfruttando l'agoritmo del

Tracking del Centroide

. A seguire una breve introduzione al

Machine Learning

e le sue Applicazioni nella Computer Vision, con un'esempio pratico di

OCR (Optical Characters Recognition)

, seguita da un'introduzione teorica al Deep Learning. Nella Sezione 10 introdurremo

Tensorflow

, la più popolare libreria per il Deep Learning, applicando nella pratica le nozioni di Deep Learning apprese nella sezione precedente. Addestrare una Rete Neurale può richiedere parecchie risorse di calcolo, per questo nella sezione undici vedremo alcuni servizi totalmente gratuiti che possiamo utilizzare per

Addestrare Reti Neurali in Cloud su Cluster di GPUs

. Nella sezione 12 parleremo di

Reti Neurali Convoluzionali (CNN)

, un'architettura di Reti Neurali che hanno totalmente rivoluzionato la Computer Vision. Come fare se il nostro dataset contiene decine di migliaia di immagini ? Di questo parleremo nella sezione 13, affrontando questo problema tramite i

Generatori di Keras

. Se invece il dataset contiene decisamente poche immagini per il problema che stiamo affrontando? Questo sarà argomento della sezione 14, dove impareremo le principali tecniche di

Images Augmentation

.

Nell'ultima sezione metteremo insieme tutto ciò che abbiamo appreso durante il corso, per realizzare un programma in grado di riconoscere il sesso di una persona da un video catturato in tempo reale !

Se questo non ti sembra abbastanza, in fondo al corso puoi trovare delle sezioni di approfondimento e un mini crash course di Programmazione con Python in appena 100 minuti :). _Ti aspetto dentro al corso !_