By Aqsa Zafar, Toht. Scholar koneoppimisessa | MLTUT: n perustaja | Yksinyrittäjä | Blogger.

1. Koiran rodun tunnistus

Koirarotuja on useita, ja useimmat niistä ovat samanlaisia. Aloittelijana voit rakentaa koiran rodun tunnistusmallin koiran rodun tunnistamiseksi.

Tässä projektissa voit käyttää koirarodut -aineistoa eri koiranrotujen luokittelemiseen kuvasta. Voit ladata koiranrotutietokannan osoitteesta Kaggle.

Löysin myös tämän täydellisen opetusohjelman Koirarotujen luokittelu syväoppimisen avulla Kirjailija: Kirill Panarin

2. Kasvontunnistus

Tämä on myös hyvä syväoppimisprojekti aloittelijoille. Tässä projektissa sinun on rakennettava syväoppimismalli, joka tunnistaa ihmisten kasvot kuvasta.

Kasvojentunnistus on tietokonenäkötekniikka. Kasvontunnistuksessa sinun on löydettävä ja visualisoitava ihmisten kasvot mistä tahansa digitaalisesta kuvasta.

Voit rakentaa tämän projektin Pythonissa OpenCV: n avulla. Katso täydellinen opetusohjelma tästä artikkelista, Rreaaliaikainen kasvojentunnistus Pythonin ja OpenCV: n avulla.

3. Viljelytaudin havaitseminen

Tässä projektissa sinun on rakennettava malli, joka ennustaa sairauksia viljelykasveissa käyttämällä RGB -kuvia. Crop -taudin havaitsemismallin rakentamiseen käytetään Convolutional Neural Networks (CNN) -verkkoa.

CNN ottaa kuvan taudin tunnistamiseksi ja havaitsemiseksi. Convolutional Neural Networkissa on useita vaiheita. Nämä vaiheet ovat:

1. Konvoluutiotoiminta.
2. ReLU -kerros.
3. Yhdistäminen.
4. Tasoittaa.
5. Täysi yhteys.

Voit ladata maatalouden satokuvien tietojoukon alkaen Kaggle.

4. Kuvien luokittelu CIFAR-10-tietojoukolla

Kuvien luokittelu on paras projekti aloittelijoille. Kuvien luokitteluprojektissa sinun on luokiteltava kuvat eri luokkiin.

Tässä projektissa voit käyttää CIFAR-10-tietojoukkoa, joka sisältää 60,000 10 värikuvaa. Nämä kuvat on luokiteltu XNUMX luokkaan, kuten autot, linnut, koirat, hevoset, alukset, kuorma -autot jne.

Lähde: CIFAR-10-aineisto.

Harjoitustiedoissa on 50,000 10,000 kuvaa ja testitiedoissa XNUMX XNUMX kuvaa. Kuvien luokittelu on yksi eniten käytetyistä syvän oppimisen sovelluksista. Voit ladata CIFAR-10-tietojoukko tätä.

5. Käsin kirjoitetun numeron tunnistus

Jotta voisin tutkia ja testata syväoppimistaitojasi, mielestäni tämä on paras harkittava projekti. Tässä projektissa rakennat tunnistusjärjestelmän, joka tunnistaa ihmisen käsinkirjoitetut numerot.

Voit tarkistaa tämän opetusohjelman Käsinkirjoitettu numerotunnistus Pythonilla.

Tämä opetusohjelma käyttää MNIST -tietojoukko ja erityinen syvä neuroverkko, joka on Convolutional Neural Networks.

6. Värin tunnistus

Tämä on aloittelijatason projekti, jossa sinun on rakennettava interaktiivinen sovellus. Tämä sovellus tunnistaa valitun värin mistä tahansa kuvasta. On 16 miljoonaa väriä eri RGB -väriarvojen perusteella, mutta tunnemme vain muutaman värin.

Tämän projektin toteuttamiseksi sinulla on oltava merkitty tietojoukko kaikista tunnetuista väreistä, ja sitten sinun on laskettava, mikä väri muistuttaa eniten valittua väriarvoa.

Tämän projektin toteuttamiseksi sinun tulee tuntea Computer Vision Python -kirjastot OpenCV ja Pandas.

Voit tarkistaa kaikki tämän projektin yksityiskohdat tätä.

7. Reaaliaikainen kuvan animaatio

Tämä on avoimen lähdekoodin projekti, joka koskee tietokonenäköä. Tässä projektissa sinun on suoritettava kuva-animaatio reaaliajassa OpenCV: n avulla. Olen ottanut tämän kuvan projektin GitHub -arkistosta.

Lähde: GitHub.

Kuten kuvasta näkyy, malli jäljittelee kameran edessä olevan henkilön ilmeitä ja muuttaa kuvan ilmaisua vastaavasti.

Tämä projekti on hyödyllinen, varsinkin jos aiot osallistua muoti-, vähittäiskauppa- tai mainosteollisuudelle. Voit tarkistaa projektin koodin osoitteessa GitHub ja Colab-muistikirja liikaa.

8. Kuljettajan uneliaisuuden tunnistus

Liikenneonnettomuus on vakava ongelma, ja suurin syy on uniset kuljettajat. Voit kuitenkin estää tämän ongelman luomalla kuljettajan uneliaisuuden havaitsemisen järjestelmään.

Kuljettajan uneliaisuuden tunnistusjärjestelmä tunnistaa kuljettajan uneliaisuuden arvioimalla jatkuvasti kuljettajan silmiä ja varoittamalla häntä hälytyksillä.

Tätä projektia varten tarvitaan verkkokamera kuljettajan silmien seuraamiseksi. Python, OpenCV ja Keras käytetään varoittamaan kuljettajaa, kun hän tuntee uneliaisuutta.

Voit tarkistaa koko projektin opetusohjelman täältä, Kuljettajan uneliaisuuden tunnistusjärjestelmä, jossa OpenCV ja Keras.

Alkuperäinen. Postitettu luvalla.

Bio: Aqsa Zafar, Toht. Tiedonlouhinnan tutkija tutkii ”Masennuksen havaitsemista sosiaalisesta mediasta tiedonlouhinnan kautta” ja kirjoittaa datatieteestä ja koneoppimisesta osoitteessa MLTUT jakaa tietoa ja kokemusta alalta.

Related:

• 10 parasta tietojenkäsittelyprojektia aloittelijoille
• 4 vinkkiä NLP-projektien aineistokuraatioon
• 21 koneoppimisprojektia - tietojoukot mukana