Как создать классификатор изображений на Python с помощью Tensorflow 2 и Keras

Во времена цифровизации производственных бизнес-процессов особое значение приобретают навыки работы с изображениями, Computer Vision. Здесь приведен небольшой пример построение и обучение модели, которая классифицирует изображения наборов данных CIFAR-10. Для его загрузки использован Tensorflow, а сам наборов данных содержит изображения самолетов, собак, кошек и еще 7 объектов. Библиотеки Tensorflow 2 и Keras Python помогут нам создать и обучить прогностическую модель, а также проверить её.

Классификация изображений относится к процессу компьютерного зрения, который может классифицировать изображение в соответствии с его визуальным содержанием. Например, алгоритм классификации изображений может быть разработан, чтобы определить, содержит ли изображение кошку или собаку. Хотя обнаружение объекта для человека тривиально, надежная классификация изображений по-прежнему является проблемой в приложениях компьютерного зрения.

В этом уроке вы узнаете, как успешно классифицировать изображения в наборе данных CIFAR-10 (который состоит из самолетов, собак, кошек и других 7 объектов) с помощью Tensorflow в Python.
Читать далее «Как создать классификатор изображений на Python с помощью Tensorflow 2 и Keras»

Поиск лиц на изображении с использованием OpenCV в Python

Обнаружение объектов — это компьютерная технология, связанная с компьютерным зрением и обработкой изображений, которая занимается обнаружением экземпляров семантических объектов определенного класса, например, человеческие лица, автомобили, фрукты и т. д., в цифровых изображениях и видео.

В этом уроке мы будем создавать простой скрипт Python, который занимается обнаружением человеческих лиц на изображении, мы будем использовать два метода из библиотеки OpenCV. Во-первых, мы собираемся использовать каскадные классификаторы Хаара, что является простым (и не очень точным), но наиболее удобным способом для новичков.

После этого мы погрузимся в использование детекторов Single Shot Multibox (или коротко SSD), которые представляют собой метод обнаружения объектов на изображениях с использованием одной глубокой нейронной сети.

Примечание: стоит упомянуть, что вам нужно различать обнаружение объекта и классификацию объекта, обнаружение объекта — это обнаружение объекта и его расположение на изображении, а классификация объектов — это распознавание того, к какому классу принадлежит объект. Если вас интересует классификация изображений, перейдите к этому уроку.

Читать далее «Поиск лиц на изображении с использованием OpenCV в Python»

Отбор признаков с помощью Scikit-Learn в Python

Конвейер обработки данных представляет собой множество последовательных шагов, начиная от очистки необработанных данных и заканчивая построением оптимизированной модели машинного обучения для решения конкретных задач. Однако обработка данных — это тот самый этап, который требует наибольших усилий и времени, и который в дальнейшем определяет производительность моделей.

В этой статье сосредоточимся на том, как сделать отбор отдельных атрибутов (признаков) нашего набора данных, который является одной из основных задач фазы предварительной обработки. Но прежде чем погрузиться в кодирование и реализовать различные методы, используемые для подобных задач, давайте сначала определим, что подразумевается под отбором признаков. Отбор признаков — это процесс выбора подмножества атрибутов из набора данных, которые больше всего влияют на производительность модели, при этом не используются какие-либо преобразования.
Читать далее «Отбор признаков с помощью Scikit-Learn в Python»

Создание недорогой стереокамеры с использованием OpenCV

В этом посте мы узнаем, как создать нестандартную недорогую стереокамеру (используя пару веб-камер) и снимать с ее помощью 3D-видео с помощью OpenCV. Мы предоставляем код на Python.

В частности, вы узнаете следующее:

  1. Шаги создания и настройки стереокамеры
  2. Важность стереокалибровки и коррекции
  3. Шаги стереокалибровки и коррекции
  4. Как работают 3D-очки?
  5. Создание собственного 3D-видео

Читать далее «Создание недорогой стереокамеры с использованием OpenCV»

Введение в эпиполярную геометрию и стереозрение

Вы когда-нибудь задумывались, почему можно испытать этот чудесный 3D-эффект, когда смотрите фильм в этих специальных 3D-очках? Или почему сложно поймать мяч для крикета с одним закрытым глазом? Все это относится к стереоскопическому зрению, то есть нашей способности воспринимать глубину обоими глазами. Этот пост использует OpenCV и стереозрение для вычисления глубины изображения. Код предоставляется на Python.
Читать далее «Введение в эпиполярную геометрию и стереозрение»

Автоматизация индивидуальной нарезки файлов Excel и распространения их с помощью Pandas и Outlook

Мне нравится, когда получая отзывы от читателей этого блока в части заметок о Python и ресурса «Python — курс молодого бойца» для студентов ЮУрГУ по направлению Бизнес-информатика, я убеждаюсь в полезности своих материалов. Меня всегда удивляют примеры, в которых всего несколько строк кода Python решают реальную бизнес-задачу и экономят массу времени и денег. А люди, которые делают это без формального обучения и добиваются результата только довольно тяжелой работой и готовностью упорно наращивать свои компетенции вызывают уважение.

Вот один из таких примеров. Начнём с предыстории нашего выпускника бакалавриата:

Я использую (изучаю) Python около 3 лет исключительно для автоматизации бизнес-процессов и составления отчетность в своей конторе. У меня не было специальных курсов Python и в те времена, когда я учился в университете про Python нам не рассказывали. Однако, со временем я понял, что это надежный инструмент, который частенько помогает мне в работе.

Чтобы узнать больше о том, как можно использовать Python для автоматизации ручного процесса сбора и сортировки файлов Excel для отправки их по электронной почте сотням клиентов
Читайте дальше

9 лучших библиотек Python для специалистов по данным и инженеров по машинному обучению

Возможно, вы уже знаете, что Python — это язык программирования, который позволяет работать быстро и более эффективно интегрировать системы. Кроме того, Python — это язык общего назначения и это означает, что на нём можно создавать самые разные приложения, от веб-разработки с использованием Django или Flask до науки о данных с использованием таких замечательных библиотек, как Scipy, Scikit-Learn, Tensorflow и многих других. Здесь мы обсудим 9 библиотек:

  1. Pandas;
  2. Matplotlib;
  3. Numpy;
  4. Scipy;
  5. Sci-kit Learn;
  6. Theano;
  7. PyTorch;
  8. TensorFlow;
  9. Keras.

Итак, начнем с первой, с Pandas.
Читать далее «9 лучших библиотек Python для специалистов по данным и инженеров по машинному обучению»