Aggiornamento Marzo 2020:Il Corso verr presto aggiornato con la nuova sezione Neural ObjectDetection: YOLOV3 La Computer Vision uno dei settori pi hot dell’IntelligenzaArtificiale, negli ultimi anni ha fatto progressi esponenziali grazie alle ultime tecniche di Deep Learning e all’utilizzo delle Reti Neurali Artificiali. Ma cosa esattamente la Computer Vision? La Computer Vision 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 AutonomaHealtcare: Diagnosi Medica ComputerizzataSicurezza: Telecamere IntelligentiGaming: Microsoft KinectCosa faremo in questo corso? Dopo la breve introduzione alla Computer Vision della prima sezione prepareremo il campo di battaglia nella seconda, installando Anaconda, prendendo familiarit 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 pi 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 pi 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’ObjectTracking, sfruttando l’agoritmo delTracking 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 pi popolare libreria per il Deep Learning, applicando nella pratica le nozioni di Deep Learning apprese nella sezione precedente. Addestrare una Rete Neurale pu 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 sar argomento della sezione 14, dove impareremo le principali tecniche di Images Augmentation. Nell’ultima sezione metteremo insieme tutto ci 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!
