By Aqsa Zafar, Ph.D. Masinõppe teadlane | MLTUT asutaja | Üksikettevõtja | Blogija.

1. Koeratõu tunnus

Koeratõugusid on erinevaid ja enamik neist on üksteisega sarnased. Algajana saate koostada koeratõu tuvastamiseks koeratõu tuvastamise mudeli.

Selle projekti jaoks saate kasutada koeratõugude andmestikku, et liigitada pildi järgi erinevaid koeratõuge. Koeratõugude andmestiku saate alla laadida aadressilt Kaagutama.

Leidsin ka selle täieliku õpetuse Koeratõu klassifikatsioon süvaõppe abil autor Kirill Panarin.

2. Näotuvastus

See on ka hea süvaõppeprojekt algajatele. Selles projektis peate üles ehitama sügava õppimismudeli, mis tuvastab pildilt inimnäod.

Näotuvastus on arvutinägemise tehnoloogia. Näotuvastuses peate leidma ja visualiseerima inimnäod mis tahes digitaalsel pildil.

Saate selle projekti Pythonis üles ehitada OpenCV abil. Täieliku õpetuse saamiseks vaadake seda artiklit, Rreaalajas näotuvastus Pythoni ja OpenCV-ga.

3. Põllukultuuride haiguste tuvastamine

Selles projektis peate koostama mudeli, mis ennustab põllukultuuride haigusi kasutades RGB-pilte. Põllukultuuride haiguste tuvastamise mudeli loomiseks kasutatakse konvolutsioonilisi närvivõrke (CNN).

CNN teeb haiguse tuvastamiseks ja tuvastamiseks pildi. Konvolutsioonilises närvivõrgus on erinevaid samme. Need sammud on järgmised:

1. Konvolutsiooni operatsioon.
2. ReLU kiht.
3. Ühinemine.
4. Lamendamine.
5. Täielik ühendus.

Saate alla laadida põllumajanduse kärpimispiltide andmekogumi Alates Kaagutama.

4. Piltide klassifitseerimine CIFAR-10 andmestikuga

Piltide klassifikatsioon on algajatele parim projekt. Piltide klassifitseerimisprojektis peate pildid liigitama erinevatesse klassidesse.

Selle projekti jaoks saate kasutada CIFAR-10 andmekogumit, mis sisaldab 60,000 10 värvilist pilti. Need pildid on liigitatud XNUMX klassi, näiteks autod, linnud, koerad, hobused, laevad, veoautod jne.

Allikas: CIFAR-10 andmestik.

Treeninguandmete jaoks on 50,000 10,000 pilti ja testandmete jaoks XNUMX XNUMX pilti. Piltide klassifitseerimine on üks enim kasutatavaid süvaõppe rakendusi. Saate alla laadida CIFAR-10 andmestik siin.

5. Käsitsi kirjutatud numbrituvastus

Arvan, et oma süvaõppeoskuste uurimiseks ja testimiseks on see parim projekt, mida kaaluda. Selle projekti raames ehitate tuvastussüsteemi, mis tunneb ära inimese käsitsi kirjutatud numbrid.

Saate seda õpetust vaadata Käsitsi kirjutatud numbrituvastus Pythoni abil.

See õpetus kasutab MNIST-i andmestik ja eritüüpi sügav närvivõrk, milleks on konvolutsioonilised närvivõrgud.

6. Värvituvastus

See on algaja taseme projekt, kus peate koostama interaktiivse rakenduse. See rakendus tuvastab valitud värvi mis tahes pildilt. Erinevatel RGB värviväärtustel põhinevad 16 miljonit värvi, kuid me teame vaid mõnda värvi.

Selle projekti elluviimiseks peab teil olema märgistatud andmekogu kõigist meile teadaolevatest värvidest ja seejärel peate arvutama, milline värv sarnaneb valitud värviväärtusega kõige rohkem.

Selle projekti elluviimiseks peaksite tundma Computer Vision Pythoni teeke OpenCV ja Pandas.

Saate vaadata kõiki selle projekti üksikasju siin.

7. Reaalajas pildianimatsioon

See on arvutinägemise avatud lähtekoodiga projekt. Selles projektis tuleb teha pildianimatsiooni reaalajas OpenCV abil. Olen võtnud selle pildi projekti GitHubi hoidlast.

Allikas: GitHub.

Nagu pildilt näha, jäljendab mudel kaamera ees oleva inimese ilmet ja muudab vastavalt sellele pildi väljendust.

See projekt on kasulik, eriti kui plaanite sellega liituda moe-, jaemüügi- või reklaamitööstus. Selle projekti koodi saate kontrollida aadressil GitHub ja Colabi märkmik ka.

8. Juhi uimasuse tuvastamine

Liiklusõnnetus on tõsine probleem, mille peamiseks põhjuseks on unised juhid. Kuid saate seda probleemi vältida, luues juhi unisuse tuvastamise süsteemi.

Juhi uimasuse tuvastamise süsteem tuvastab juhi unisuse, hinnates pidevalt juhi silmi ja hoiatades teda häiretega.

Selle projekti jaoks on juhi silmade jälgimiseks vajalik veebikaamera. Python, OpenCV ja Keras kasutatakse juhi hoiatamiseks, kui ta tunneb unisust.

Seda täielikku projektiõpetust saate vaadata siit, Juhi uimasuse tuvastamise süsteem OpenCV ja Kerasega.

Originaal. Loaga uuesti postitatud.

Bio: Aqsa Zafar, Ph.D. andmekaevanduse teadlane uurib teemat „Depressiooni tuvastamine sotsiaalmeediast andmekaevandamise kaudu” ja kirjutab andmeteadusest ja masinõppest aadressil MLTUT valdkonna teadmisi ja kogemusi jagada.

Seotud:

• Top 10 andmeteaduse projekti algajatele
• 4 näpunäidet NLP-projektide andmekogumi kureerimiseks
• 21 masinõppeprojekti – andmestikud kaasatud