کامپیوتر ویژن در Raspberry Pi 4

مدرس Matt Scarpino

انتشار 2021/10/28

مدت زمان 1h 43m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Computer Vision on the Raspberry Pi 4

برنامه های کاربردی بیشتر و بیشتری از بینایی کامپیوتر برای شناسایی و تشخیص اشیا استفاده می کنند. این برنامه‌ها معمولاً روی رایانه‌های بزرگ اجرا می‌شوند، اما توسعه‌دهندگان می‌توانند با اجرای آن‌ها بر روی رایانه‌های تک‌برد (SBC) در هزینه و انرژی صرفه‌جویی کنند. Raspberry Pi 4 یکی از محبوب ترین SBC های موجود است. همچنین این اولین کامپیوتر از خانواده Raspberry Pi است که به اندازه کافی قدرتمند برای اجرای برنامه های بینایی کامپیوتری است. همچنین نرم افزار مورد نیاز برای ساخت این اپلیکیشن ها به صورت رایگان از اینترنت قابل دانلود است. در این دوره، مدرس Matt Scarpino به برنامه نویسان نحوه نوشتن و اجرای برنامه های بینایی کامپیوتری را در Raspberry Pi 4 نشان می دهد. مت شما را با استفاده از Thonny IDE، کتابخانه OpenCV و عملیات آرایه NumPy آشنا می کند. او از طریق تشخیص اشیا و شبکه‌های عصبی گام برمی‌دارد، سپس شبکه‌های عصبی کانولوشنال (CNN)، از جمله بسته Keras و بسته TensorFlow را بررسی می‌کند. مت همچنین شما را در مورد کارهایی که می توانید با دوربین Raspberry Pi HQ انجام دهید راهنمایی می کند.

Computer Vision Raspberry Pi

Introduction

Getting started with computer vision ()

What you should know ()

Using the exercise files ()

1. Programming Python on the Raspberry Pi 4

Introducing the Raspberry Pi 4 ()

Setting up the environment ()

Using the Thonny IDE ()

2. OpenCV on the Raspberry Pi

Introducing OpenCV ()

NumPy array operations ()

Running a simple image processing example ()

Theory of convolution ()

Convolution in OpenCV ()

3. Object Detection

Computing image gradients ()

Forming histograms of gradients (HOGs) ()

Computing HOGs in OpenCV ()

Understanding Support Vector Machines (SVMs) ()

Detecting objects with HOGs and SVMs ()

4. Understanding Neural Networks

Introducing neural networks ()

Training neural networks ()

Creating neural networks in OpenCV ()

Classifying irises with a neural network ()

5. Convolutional Neural Networks (CNNs)

Introducing convolutional neural networks (CNNs) ()

Creating CNNs with Keras ()

Training CNNs with TensorFlow ()

Executing models with TensorFlow Lite ()

Recognizing objects with the Raspberry Pi ()

6. The Raspberry Pi HQ Camera

Introducing the picamera package ()

Accessing a Raspberry Pi camera in Python ()

Object detection with a Raspberry Pi camera ()

Object recognition with a Raspberry Pi camera ()

Conclusion

Next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.