By Aqsa Zafar, dottorato di ricerca Studioso di Machine Learning | Fondatore di MLTUT | Solopreneur | Blogger.

1. Identificazione della razza del cane

Esistono varie razze canine e la maggior parte di esse sono simili tra loro. Come principiante, puoi costruire un modello di identificazione della razza del cane per identificare la razza del cane.

Per questo progetto, puoi utilizzare il set di dati sulle razze canine per classificare varie razze canine da un'immagine. Puoi scaricare il set di dati sulle razze canine da Kaggle.

Ho trovato anche questo tutorial completo per Classificazione delle razze canine tramite Deep Learning di Kirill Panarin.

2. Rilevamento del volto

Questo è anche un buon progetto di deep learning per principianti. In questo progetto, devi costruire un modello di deep learning che rilevi i volti umani dall'immagine.

Il riconoscimento facciale è una tecnologia di visione artificiale. Nel rilevamento dei volti, devi individuare e visualizzare i volti umani in qualsiasi immagine digitale.

Puoi costruire questo progetto in Python usando OpenCV. Per il tutorial completo, controlla questo articolo, RRiconoscimento facciale in tempo reale con Python e OpenCV.

3. Rilevamento della malattia del raccolto

In questo progetto, devi costruire un modello che predice le malattie nelle colture utilizzando immagini RGB. Per costruire un modello di rilevamento delle malattie delle colture, vengono utilizzate le reti neurali convoluzionali (CNN).

La CNN acquisisce un'immagine per identificare la malattia e rilevarla. Ci sono vari passaggi nella rete neurale convoluzionale. Questi passaggi sono:

1. Operazione di convoluzione.
2. Strato ReLU.
3. Raggruppamento.
4. Appiattimento.
5. Connessione completa.

È possibile scaricare il set di dati delle immagini delle colture agricole da Kaggle.

4. Classificazione delle immagini con set di dati CIFAR-10

La classificazione delle immagini è il miglior progetto per i principianti. In un progetto di classificazione delle immagini, devi classificare le immagini in varie classi.

Per questo progetto, puoi utilizzare CIFAR-10 Dataset, che contiene 60,000 immagini a colori. Queste immagini sono classificate in 10 classi, come automobili, uccelli, cani, cavalli, navi, camion, ecc.

Fonte: serie di dati CIFAR-10.

Per i dati di addestramento sono disponibili 50,000 immagini e per i dati di test vengono utilizzate 10,000 immagini. La classificazione delle immagini è una delle applicazioni più utilizzate del deep learning. Puoi scaricare il Set di dati CIFAR-10 qui.

5. Riconoscimento delle cifre scritte a mano

Per esplorare e testare le tue capacità di deep learning, penso che questo sia il miglior progetto da considerare. In questo progetto creerai un sistema di riconoscimento che riconosce le cifre scritte a mano umane.

Puoi controllare questo tutorial per Riconoscimento di cifre scritte a mano usando Python.

Questo tutorial utilizza il Set di dati MNIST e un tipo speciale di rete neurale profonda che è Convolutional Neural Networks.

6. Rilevamento del colore

Questo è un progetto di livello principiante in cui devi creare un'app interattiva. Questa app identificherà il colore selezionato da qualsiasi immagine. Esistono 16 milioni di colori basati sui diversi valori di colore RGB, ma conosciamo solo pochi colori.

Per realizzare questo progetto, devi avere un set di dati etichettato di tutti i colori che conosciamo, quindi è necessario calcolare quale colore assomiglia di più con il valore del colore selezionato.

Per implementare questo progetto, dovresti avere familiarità con le librerie Python di Computer Vision OpenCV e Pandas.

Puoi controllare tutti i dettagli riguardanti questo progetto qui.

7. Animazione dell'immagine in tempo reale

Questo è un progetto open source sulla visione artificiale. In questo progetto, devi eseguire l'animazione dell'immagine in tempo reale usando OpenCV. Ho preso questa immagine dal repository GitHub del progetto.

Fonte: GitHub.

Come puoi vedere nell'immagine, il modello imita l'espressione della persona davanti alla telecamera e cambia l'espressione dell'immagine di conseguenza.

Questo progetto è utile, soprattutto se hai intenzione di entrare in il settore della moda, della vendita al dettaglio o della pubblicità. Puoi controllare il codice di questo progetto su GitHub ed Taccuino Colab troppo.

8. Rilevamento della sonnolenza del conducente

L'incidente stradale è un problema serio e la ragione principale sono i conducenti assonnati. Ma puoi prevenire questo problema creando un rilevamento della sonnolenza del conducente .

Il sistema Driver Drowsiness Detection rileva la sonnolenza del conducente valutando costantemente gli occhi del conducente e avvisandolo con allarmi.

Per questo progetto è necessaria una webcam per monitorare gli occhi del conducente. Python, OpenCV e Keras servono per avvisare il conducente quando si sente assonnato.

Puoi controllare questo tutorial completo del progetto qui, Sistema di rilevamento della sonnolenza del conducente con OpenCV e Keras.

Originale. Ripubblicato con il permesso.

Bio: Aqsa Zafar, dottorato di ricerca studioso di Data Mining ricerca "Depression Detection from Social Media tramite Data Mining" e scrive di Data Science e machine learning presso MLTUT condividere conoscenze ed esperienze sul campo.

Correlato:

• I 10 migliori progetti di data science per principianti
• 4 suggerimenti per la cura dei set di dati per i progetti PNL
• 21 progetti di machine learning – set di dati inclusi