By Aqsa Zafar, Ph.D. Chercheur en apprentissage automatique | Fondateur chez MLTUT | Solopreneur | Blogueur.

1. Identification de la race du chien

Il existe différentes races de chiens et la plupart se ressemblent. En tant que débutant, vous pouvez créer un modèle d'identification de race de chien pour identifier la race du chien.

Pour ce projet, vous pouvez utiliser l'ensemble de données sur les races de chiens pour classer différentes races de chiens à partir d'une image. Vous pouvez télécharger le jeu de données sur les races de chiens à partir de Kaggle.

J'ai aussi trouvé ce tutoriel complet pour Classification des races de chiens à l'aide du Deep Learning par Kirill Panarin.

2. Détection de visage

C'est aussi un bon projet d'apprentissage en profondeur pour les débutants. Dans ce projet, vous devez créer un modèle d'apprentissage en profondeur qui détecte les visages humains à partir de l'image.

La reconnaissance faciale est une technologie de vision par ordinateur. Dans la détection de visage, vous devez localiser et visualiser les visages humains dans n'importe quelle image numérique.

Vous pouvez construire ce projet en Python en utilisant OpenCV. Pour le tutoriel complet, consultez cet article, RReconnaissance faciale en temps réel avec Python et OpenCV.

3. Détection des maladies des cultures

Dans ce projet, vous devez construire un modèle qui prédit les maladies dans les cultures en utilisant des images RVB. Pour construire un modèle de détection des maladies des cultures, des réseaux de neurones convolutifs (CNN) sont utilisés.

CNN prend une image pour identifier la maladie et la détecter. Il existe différentes étapes dans le réseau de neurones convolutifs. Ces étapes sont :

1. Opération de convolution.
2. Couche ReLU.
3. Mise en commun.
4. Aplanissement.
5. Connexion complète.

Vous pouvez télécharger le jeu de données d'images de cultures agricoles de Kaggle.

4. Classification des images avec le jeu de données CIFAR-10

La classification d'images est le meilleur projet pour les débutants. Dans un projet de classification d'images, vous devez classer les images en différentes classes.

Pour ce projet, vous pouvez utiliser le jeu de données CIFAR-10, qui contient 60,000 10 images en couleur. Ces images sont classées en XNUMX classes, telles que les voitures, les oiseaux, les chiens, les chevaux, les bateaux, les camions, etc.

Source : Ensemble de données CIFAR-10.

Pour les données d'apprentissage, il y a 50,000 10,000 images et pour les données de test, XNUMX XNUMX images sont utilisées. La classification d'images est l'une des applications les plus utilisées de l'apprentissage en profondeur. Vous pouvez télécharger le Ensemble de données CIFAR-10 ici.

5. Reconnaissance des chiffres manuscrits

Pour explorer et tester vos compétences d'apprentissage en profondeur, je pense que c'est le meilleur projet à considérer. Dans ce projet, vous allez créer un système de reconnaissance qui reconnaît les chiffres manuscrits humains.

Vous pouvez consulter ce tutoriel pour Reconnaissance de chiffres manuscrits à l'aide de Python.

Ce tutoriel utilise le Ensemble de données MNIST et un type spécial de réseau de neurones profonds, les réseaux de neurones convolutifs.

6. Détection des couleurs

Il s'agit d'un projet de niveau débutant où vous devez créer une application interactive. Cette application identifiera la couleur sélectionnée à partir de n'importe quelle image. Il existe 16 millions de couleurs basées sur les différentes valeurs de couleurs RVB, mais nous ne connaissons que quelques couleurs.

Pour mettre en œuvre ce projet, vous devez avoir un jeu de données étiqueté de toutes les couleurs que nous connaissons, puis vous devez calculer quelle couleur ressemble le plus à la valeur de couleur sélectionnée.

Afin de mettre en œuvre ce projet, vous devez être familiarisé avec les bibliothèques Python Computer Vision OpenCV et Pandas.

Vous pouvez vérifier tous les détails concernant ce projet ici.

7. Animation d'images en temps réel

Il s'agit d'un projet open source sur la vision par ordinateur. Dans ce projet, vous devez effectuer une animation d'image en temps réel à l'aide d'OpenCV. J'ai pris cette image du référentiel GitHub du projet.

Source : GitHub.

Comme vous pouvez le voir sur l'image, le modèle imite l'expression de la personne devant la caméra et modifie l'expression de l'image en conséquence.

Ce projet est utile, surtout si vous envisagez de vous lancer dans l'industrie de la mode, de la vente au détail ou de la publicité. Vous pouvez vérifier le code de ce projet sur GitHub ainsi que  Cahier Colab trop.

8. Détection de la somnolence du conducteur

Les accidents de la route sont un problème grave, et la principale raison en est les conducteurs somnolents. Mais vous pouvez éviter ce problème en créant une détection de somnolence du conducteur système.

Le système de détection de somnolence du conducteur détecte la somnolence du conducteur en évaluant constamment ses yeux et en l'alertant avec des alarmes.

Pour ce projet, une webcam est nécessaire pour surveiller les yeux du conducteur. Python, OpenCV et Keras sont utilisés pour alerter le conducteur lorsqu'il a sommeil.

Vous pouvez consulter ce tutoriel de projet complet ici, Système de détection de somnolence du conducteur avec OpenCV & Keras.

ORIGINALE. Republié avec permission.

Bio: Aqsa Zafar, Ph.D. chercheur en Data Mining étudie la « Détection de la dépression à partir des médias sociaux via l'exploration de données » et écrit sur la science des données et l'apprentissage automatique à l'adresse MLTUT partager les connaissances et l'expérience dans le domaine.

Connexe:

• Top 10 des projets de science des données pour les débutants
• 4 conseils pour la conservation des ensembles de données pour les projets NLP
• 21 projets d'apprentissage automatique - Ensembles de données inclus