8 ідей проекту глибокого навчання для початківців

Ключові слова: початківці, Глибоке навчання, Проекти

Ви вивчали методи глибокого навчання, але ніколи не працювали над корисним проектом? Тут ми виділяємо вісім ідей проектів глибокого навчання для початківців, які допоможуть вам відточити свої навички та покращити ваше резюме.

коментарі

By Акса Зафар, к.т.н. Вчений з машинного навчання | Засновник MLTUT | Індивідуальний підприємець | Блогер.

1. Ідентифікація породи собак

Існують різні породи собак, і більшість з них схожі один на одного. Як новачок, ви можете створити модель ідентифікації породи собаки, щоб визначити породу собаки.

Для цього проекту ви можете використовувати набір даних порід собак, щоб класифікувати різні породи собак із зображення. Ви можете завантажити набір даних про породи собак Згорнути.

Я також знайшов цей повний посібник для Класифікація порід собак за допомогою глибокого навчання Кирила Панаріна.

2. Розпізнавання обличчя

Це також хороший проект глибокого навчання для початківців. У цьому проекті ви повинні побудувати модель глибокого навчання, яка розпізнає людські обличчя на зображенні.

Розпізнавання обличчя - це технологія комп'ютерного зору. У розпізнаванні облич ви повинні знаходити та візуалізувати людські обличчя на будь-якому цифровому зображенні.

Ви можете створити цей проект на Python за допомогою OpenCV. Щоб отримати повний посібник, перегляньте цю статтю, R Розпізнавання облич у eal-time за допомогою Python і OpenCV.

3. Виявлення хвороб сільськогосподарських культур

У цьому проекті ви повинні побудувати модель, яка прогнозує захворювання сільськогосподарських культур використовуючи зображення RGB. Для побудови моделі виявлення хвороб сільськогосподарських культур використовуються згорткові нейронні мережі (CNN).

CNN робить зображення, щоб ідентифікувати хворобу та виявити її. У згортковій нейронній мережі є різні етапи. Ці кроки:

Операція згортки.
Рівень ReLU.
Об'єднання.
Сплющення.
Повне підключення.

Ви можете завантажити набір зображень сільськогосподарських культур від Згорнути.

4. Класифікація зображень із набором даних CIFAR-10

Класифікація зображень – найкращий проект для початківців. У проекті класифікації зображень ви повинні класифікувати зображення за різними класами.

Для цього проекту можна використовувати набір даних CIFAR-10, який містить 60,000 10 кольорових зображень. Ці зображення поділяються на XNUMX класів, наприклад, автомобілі, птахи, собаки, коні, кораблі, вантажівки тощо.

Джерело: набір даних CIFAR-10.

Для навчальних даних використовується 50,000 10,000 зображень, а для тестових даних використовується XNUMX XNUMX зображень. Класифікація зображень є одним з найбільш використовуваних застосувань глибокого навчання. Ви можете завантажити Набір даних CIFAR-10 тут.

5. Розпізнавання рукописних цифр

Я думаю, що це найкращий проект, щоб вивчити та перевірити свої навички глибокого навчання. У цьому проекті ви побудуєте систему розпізнавання, яка розпізнає рукописні цифри.

Ви можете перевірити цей посібник Розпізнавання рукописних цифр за допомогою Python.

У цьому підручнику використовується Набір даних MNIST і особливий тип глибокої нейронної мережі — згорткові нейронні мережі.

6. Визначення кольору

Це проект на рівні початківців, де вам потрібно створити інтерактивний додаток. Ця програма визначить вибраний колір з будь-якого зображення. Існує 16 мільйонів кольорів на основі різних значень кольору RGB, але ми знаємо лише кілька кольорів.

Щоб реалізувати цей проект, потрібно мати позначений набір даних усіх кольорів, які ми знаємо, а потім вам потрібно обчислити, який колір найбільше нагадує вибране значення кольору.

Щоб реалізувати цей проект, ви повинні бути знайомі з бібліотеками Computer Vision Python OpenCV і Pandas.

Ви можете перевірити всі деталі щодо цього проекту тут.

7. Анімація зображення в реальному часі

Це відкритий проект з комп’ютерного зору. У цьому проекті ви повинні виконувати анімацію зображення в режимі реального часу за допомогою OpenCV. Я взяв це зображення зі сховища GitHub проекту.

Джерело: GitHub.

Як ви можете бачити на зображенні, модель імітує вираз обличчя перед камерою і відповідно змінює вираз зображення.

Цей проект корисний, особливо якщо ви плануєте вступити індустрії моди, роздрібної торгівлі чи реклами. Ви можете перевірити код цього проекту за адресою GitHub та Зошит Colab теж.

8. Виявлення сонливості водія

Дорожньо-транспортна пригода – серйозна проблема, і основна причина – сонні водії. Але ви можете запобігти цій проблемі, створивши визначення сонливості водія системи.

Система виявлення сонливості водія виявляє сонливість водія, постійно оцінюючи очі водія та сповіщаючи його тривожними сигналами.

Для цього проекту потрібна веб-камера для спостереження за очима водія. Python, OpenCV і Keras використовуються для попередження водія, коли він відчуває сонливість.

Ви можете переглянути цей повний посібник з проекту тут, Система виявлення сонливості водія з OpenCV і Keras.

Оригінал. Повідомлено з дозволу.

Біо: Акса Зафар, к.т.н. науковець з інтелекту даних досліджує «Виявлення депресії в соціальних мережах за допомогою інтелекту даних» і пише про Data Science та машинне навчання на MLTUT поділитися знаннями та досвідом у цій галузі.

За темою: