By Aqsa Zafar, Ph.D. Academic în învățare automată | Fondator la MLTUT | Solopreneur | Blogger.

1. Identificarea rasei de câine

Există diverse rase de câini, iar majoritatea sunt similare între ele. Ca începător, puteți construi un model de identificare a rasei de câine pentru a identifica rasa câinelui.

Pentru acest proiect, puteți utiliza setul de date despre rase de câini pentru a clasifica diferite rase de câini dintr-o imagine. Puteți descărca setul de date despre rase de câini de la Kaggle.

Am gasit si acest tutorial complet pentru Clasificarea rasei de câini folosind Deep Learning de Kirill Panarin.

2. Detectarea feței

Acesta este, de asemenea, un proiect bun de învățare profundă pentru începători. În acest proiect, trebuie să construiți un model de învățare profundă care detectează fețele umane din imagine.

Recunoașterea feței este o tehnologie de viziune computerizată. În detectarea feței, trebuie să localizați și să vizualizați fețele umane în orice imagine digitală.

Puteți construi acest proiect în Python folosind OpenCV. Pentru tutorialul complet, verificați acest articol, RRecunoaștere facială în timp real cu Python și OpenCV.

3. Detectarea bolilor culturilor

În acest proiect, trebuie să construiți un model care prezice bolile în culturi folosind imagini RGB. Pentru construirea unui model de detectare a bolii culturilor, sunt utilizate rețelele neuronale convoluționale (CNN).

CNN face o imagine pentru a identifica boala și pentru a o detecta. Există diferiți pași în rețeaua neuronală convoluțională. Acești pași sunt:

1. Operație de convoluție.
2. Stratul ReLU.
3. Pooling.
4. Aplatizarea.
5. Conexiune completă.

Puteți descărca setul de date pentru imaginile culturilor agricole din Kaggle.

4. Clasificarea imaginilor cu setul de date CIFAR-10

Clasificarea imaginilor este cel mai bun proiect pentru începători. Într-un proiect de clasificare a imaginilor, trebuie să clasificați imaginile în diferite clase.

Pentru acest proiect, puteți utiliza setul de date CIFAR-10, care conține 60,000 de imagini color. Aceste imagini sunt clasificate în 10 clase, cum ar fi mașini, păsări, câini, cai, nave, camioane etc.

Sursa: set de date CIFAR-10.

Pentru datele de antrenament, există 50,000 de imagini, iar pentru datele de testare sunt folosite 10,000 de imagini. Clasificarea imaginilor este una dintre cele mai utilizate aplicații ale învățării profunde. Puteți descărca Set de date CIFAR-10 aici.

5. Recunoașterea cifrelor scrise de mână

Pentru a vă explora și testa abilitățile de învățare profundă, cred că acesta este cel mai bun proiect de luat în considerare. În acest proiect, veți construi un sistem de recunoaștere care recunoaște cifrele scrise de mână uman.

Puteți verifica acest tutorial pentru Recunoașterea cifrelor scrise de mână folosind Python.

Acest tutorial folosește Setul de date MNIST și un tip special de rețea neuronală profundă, care este rețelele neuronale convoluționale.

6. Detectarea culorii

Acesta este un proiect la nivel de începător în care trebuie să construiți o aplicație interactivă. Această aplicație va identifica culoarea selectată din orice imagine. Există 16 milioane de culori bazate pe diferitele valori de culoare RGB, dar știm doar câteva culori.

Pentru a implementa acest proiect, trebuie să aveți un set de date etichetat cu toate culorile pe care le cunoaștem și apoi trebuie să calculați care culoare seamănă cel mai mult cu valoarea culorii selectate.

Pentru a implementa acest proiect, ar trebui să fiți familiarizați cu bibliotecile Python de Computer Vision OpenCV și Pandas.

Puteți verifica toate detaliile referitoare la acest proiect aici.

7. Animație de imagine în timp real

Acesta este un proiect open-source despre viziunea computerizată. În acest proiect, trebuie să efectuați animație de imagine în timp real folosind OpenCV. Am luat această imagine din depozitul GitHub al proiectului.

Sursa: GitHub.

După cum puteți vedea în imagine, modelul imită expresia persoanei din fața camerei și schimbă expresia imaginii în consecință.

Acest proiect este util, mai ales dacă intenționați să participați industria modei, retail sau publicitate. Puteți verifica codul acestui proiect la GitHub și Caiet Colab prea.

8. Detectarea somnolenței șoferului

Accidentul rutier este o problemă serioasă, iar motivul principal îl reprezintă șoferii somnoroși. Dar puteți preveni această problemă creând o detectare a somnolenței șoferului sistemului.

Sistemul de detectare a somnolenței șoferului detectează somnolența șoferului evaluând în mod constant ochii șoferului și alertându-l cu alarme.

Pentru acest proiect, este necesară o cameră web pentru a monitoriza ochii șoferului. Python, OpenCV și Keras sunt folosite pentru a alerta șoferul atunci când are somn.

Puteți verifica acest tutorial complet de proiect aici, Sistem de detectare a somnolenței șoferului cu OpenCV și Keras.

Original. Repostat cu permisiunea.

Bio: Aqsa Zafar, Ph.D. un cercetător în Data Mining cercetează „Detectarea depresiei din Social Media prin Data Mining” și scrie despre Data Science și machine learning la MLTUT pentru a împărtăși cunoștințele și experiența în domeniu.

Related:

• Top 10 proiecte de știință a datelor pentru începători
• 4 sfaturi pentru elaborarea setului de date pentru proiectele NLP
• 21 proiecte de învățare automată – seturi de date incluse