By Aksa Zafar, dr. Strokovnjak za strojno učenje | Ustanovitelj pri MLTUT | Samostojni podjetnik | Blogger.

1. Identifikacija pasme psa

Obstaja več pasem psov in večina si jih je med seboj podobnih. Kot začetnik lahko sestavite identifikacijski model pasme psa za identifikacijo pasme psa.

Za ta projekt lahko uporabite nabor pasem psov za razvrščanje različnih pasem psov iz slike. Nabor podatkov o pasmah psov lahko prenesete iz Kaggle.

Našel sem tudi to celotno vadnico za Klasifikacija pasem psov z uporabo globokega učenja avtorja Kirill Panarin.

2. Zaznavanje obraza

To je tudi dober projekt globokega učenja za začetnike. V tem projektu morate zgraditi model globokega učenja, ki zaznava človeške obraze na sliki.

Prepoznavanje obraza je tehnologija računalniškega vida. Pri zaznavanju obrazov morate poiskati in vizualizirati človeške obraze na kateri koli digitalni sliki.

Ta projekt lahko zgradite v Pythonu z uporabo OpenCV. Za celotno vadnico si oglejte ta članek, Rsprotno prepoznavanje obrazov s Pythonom in OpenCV.

3. Odkrivanje bolezni pridelka

V tem projektu morate zgraditi model, ki napoveduje bolezni pridelkov z uporabo RGB slik. Za izdelavo modela za odkrivanje bolezni pridelka se uporabljajo konvolucijske nevronske mreže (CNN).

CNN posname sliko, da prepozna bolezen in jo odkrije. Obstajajo različni koraki v konvolucijski nevronski mreži. Ti koraki so:

1. Konvolucijska operacija.
2. plast ReLU.
3. Združevanje.
4. Izravnavanje.
5. Popolna povezava.

Prenesete lahko nabor slik kmetijskih pridelkov iz Kaggle.

4. Klasifikacija slike z naborom podatkov CIFAR-10

Klasifikacija slik je najboljši projekt za začetnike. V projektu klasifikacije slik morate slike razvrstiti v različne razrede.

Za ta projekt lahko uporabite nabor podatkov CIFAR-10, ki vsebuje 60,000 barvnih slik. Te slike so razvrščene v 10 razredov, kot so avtomobili, ptice, psi, konji, ladje, tovornjaki itd.

Vir: nabor podatkov CIFAR-10.

Za podatke o usposabljanju je 50,000 slik, za testne podatke pa 10,000 slik. Klasifikacija slik je ena najpogosteje uporabljenih aplikacij globokega učenja. Lahko prenesete Nabor podatkov CIFAR-10 tukaj.

5. Prepoznavanje ročno napisanih številk

Menim, da je to najboljši projekt za raziskovanje in preizkušanje vaših sposobnosti poglobljenega učenja. V tem projektu boste zgradili sistem za prepoznavanje, ki prepozna ročno napisane številke.

To vadnico lahko preverite za Ročno prepoznavanje števk z uporabo Pythona.

Ta vadnica uporablja Nabor podatkov MNIST in posebna vrsta globoke nevronske mreže, ki je konvolucijska nevronska mreža.

6. Zaznavanje barv

To je projekt na začetni ravni, kjer morate zgraditi interaktivno aplikacijo. Ta aplikacija bo prepoznala izbrano barvo iz katere koli slike. Obstaja 16 milijonov barv, ki temeljijo na različnih barvnih vrednostih RGB, vendar poznamo le nekaj barv.

Za izvedbo tega projekta morate imeti označen nabor podatkov vseh barv, ki jih poznamo, nato pa morate izračunati, katera barva je najbolj podobna izbrani barvni vrednosti.

Za izvedbo tega projekta bi morali poznati knjižnici Computer Vision Python OpenCV in Pandas.

Vse podrobnosti v zvezi s tem projektom lahko preverite tukaj.

7. Slikovna animacija v realnem času

To je odprtokodni projekt o računalniškem vidu. V tem projektu morate izvajati slikovno animacijo v realnem času z uporabo OpenCV. To sliko sem vzel iz repozitorija projekta GitHub.

Vir: GitHub.

Kot lahko vidite na sliki, model posnema izraz osebe pred kamero in temu primerno spreminja izraz slike.

Ta projekt je koristen, še posebej, če nameravate vstopiti v modna, maloprodajna ali oglaševalska industrija. Kodo tega projekta lahko preverite na GitHub in Zvezek Colab preveč.

8. Zaznavanje zaspanosti voznika

Prometne nesreče so resen problem, glavni razlog pa so zaspani vozniki. Toda to težavo lahko preprečite tako, da ustvarite zaznavanje zaspanosti voznika sistem.

Sistem za zaznavanje zaspanosti voznika zazna zaspanost voznika tako, da nenehno ocenjuje voznikove oči in ga opozori z alarmi.

Za ta projekt je potrebna spletna kamera za nadzor voznikovih oči. Python, OpenCV in Keras se uporabljajo za opozarjanje voznika, ko se počuti zaspanega.

To celotno vadnico o projektu lahko preverite tukaj, Sistem za zaznavanje zaspanosti voznika z OpenCV in Keras.

prvotni. Poročeno z dovoljenjem.

Bio: Aksa Zafar, dr. strokovnjak za podatkovno rudarjenje raziskuje »Odkrivanje depresije iz družbenih medijev prek podatkovnega rudarjenja« in piše o podatkovni znanosti in strojnem učenju na MLTUT deliti znanje in izkušnje na tem področju.

Povezano:

• 10 najboljših projektov na področju znanosti o podatkih za začetnike
• 4 nasveti za pripravo nabora podatkov za projekte NLP
• 21 projektov strojnega učenja – vključeni nabori podatkov