By Aqsa Zafar, Ph.D. Acadêmico em Aprendizado de Máquina | Fundador da MLTUT | Solopreneur | Blogger.

1. Identificação da raça do cão

Existem várias raças de cães, e a maioria delas são semelhantes entre si. Como um iniciante, você pode construir um modelo de identificação de raça de cachorro para identificar a raça do cachorro.

Para este projeto, você pode usar o conjunto de dados de raças de cães para classificar várias raças de cães a partir de uma imagem. Você pode baixar o conjunto de dados de raças de cães em Kaggle.

Eu também encontrei este tutorial completo para Classificação da raça de cães usando aprendizado profundo por Kirill Panarin.

2. Detecção de rosto

Este também é um bom projeto de aprendizado profundo para iniciantes. Neste projeto, você deve construir um modelo de aprendizado profundo que detecta os rostos humanos a partir da imagem.

O reconhecimento facial é uma tecnologia de visão computacional. Na detecção de rosto, você deve localizar e visualizar os rostos humanos em qualquer imagem digital.

Você pode construir este projeto em Python usando OpenCV. Para o tutorial completo, verifique este artigo, RReconhecimento facial em tempo real com Python e OpenCV.

3. Detecção de doenças de cultivo

Neste projeto, você tem que construir um modelo que preveja doenças nas lavouras usando imagens RGB. Para construir um modelo de detecção de doenças de colheita, Redes Neurais Convolucionais (CNN) são usadas.

A CNN tira uma imagem para identificar a doença e detectá-la. Existem várias etapas na Rede Neural Convolucional. Essas etapas são:

1. Operação de convolução.
2. Camada ReLU.
3. Agrupamento.
4. Achatamento.
5. Conexão completa.

Você pode baixar o conjunto de dados de imagens de culturas agrícolas da Kaggle.

4. Classificação de imagens com conjunto de dados CIFAR-10

A classificação de imagens é o melhor projeto para iniciantes. Em um projeto de classificação de imagens, você deve classificar as imagens em várias classes.

Para este projeto, você pode usar o Conjunto de dados CIFAR-10, que contém 60,000 imagens coloridas. Essas imagens são categorizadas em 10 classes, como carros, pássaros, cães, cavalos, navios, caminhões, etc.

Fonte: conjunto de dados CIFAR-10.

Para dados de treinamento, existem 50,000 imagens, e para dados de teste, 10,000 imagens são usadas. A classificação de imagens é uma das aplicações mais utilizadas de aprendizado profundo. Você pode baixar o Conjunto de dados CIFAR-10 SUA PARTICIPAÇÃO FAZ A DIFERENÇA.

5. Reconhecimento de dígitos manuscritos

Para explorar e testar suas habilidades de aprendizado profundo, acho que este é o melhor projeto a ser considerado. Neste projeto, você construirá um sistema de reconhecimento que reconhece dígitos escritos à mão por humanos.

Você pode verificar este tutorial para Reconhecimento de dígitos manuscritos usando Python.

Este tutorial usa o Conjunto de dados MNIST e um tipo especial de rede neural profunda que são as redes neurais convolucionais.

6. Detecção de cor

Este é um projeto de nível iniciante onde você deve construir um aplicativo interativo. Este aplicativo irá identificar a cor selecionada de qualquer imagem. Existem 16 milhões de cores com base nos diferentes valores de cores RGB, mas conhecemos apenas algumas cores.

Para implementar este projeto, você precisa ter um conjunto de dados rotulado de todas as cores que conhecemos e, em seguida, você precisa calcular qual cor se parece mais com o valor da cor selecionada.

Para implementar este projeto, você deve estar familiarizado com as bibliotecas Python do Computer Vision OpenCV e Pandas.

Você pode verificar todos os detalhes sobre este projeto SUA PARTICIPAÇÃO FAZ A DIFERENÇA.

7. Animação de imagem em tempo real

Este é um projeto de código aberto sobre visão computacional. Neste projeto, você deve executar a animação da imagem em tempo real usando o OpenCV. Peguei esta imagem do repositório GitHub do projeto.

Fonte: GitHub.

Como você pode ver na imagem, o modelo imita a expressão da pessoa na frente da câmera e altera a expressão da imagem de acordo.

Este projeto é útil, especialmente se você está planejando entrar em a indústria da moda, varejo ou publicidade. Você pode verificar o código deste projeto em GitHub e Caderno colab demasiado.

8. Detecção de sonolência do motorista

O acidente de trânsito é um problema sério, e o principal motivo são os motoristas sonolentos. Mas você pode evitar esse problema criando uma detecção de sonolência do motorista sistema.

O sistema de detecção de sonolência do motorista detecta a sonolência do motorista avaliando constantemente os olhos do motorista e alertando-o com alarmes.

Para este projeto, uma webcam é necessária para monitorar os olhos do motorista. Python, OpenCV e Keras são usados ​​para alertar o motorista quando ele se sente sonolento.

Você pode verificar este tutorial completo do projeto aqui, Sistema de detecção de sonolência do motorista com OpenCV & Keras.

Óptimo estado. Original. Republicado com permissão.

Bio: Aqsa Zafar, Ph.D. acadêmico em mineração de dados pesquisa "Detecção de depressão em mídias sociais via mineração de dados" e escreve sobre ciência de dados e aprendizado de máquina em MLTUT para compartilhar conhecimento e experiência na área.

Relacionado:

• Dez principais projetos de ciência de dados para iniciantes
• 4 dicas para curadoria de conjuntos de dados para projetos de PNL
• 21 projetos de aprendizado de máquina - conjuntos de dados incluídos