By اقصیٰ ظفر، پی ایچ ڈی۔ مشین لرننگ میں اسکالر | MLTUT میں بانی | سولوپرینیور | بلاگر.

1. کتے کی نسل کی شناخت

کتے کی مختلف نسلیں ہیں، اور ان میں سے اکثر ایک دوسرے سے ملتے جلتے ہیں۔ ابتدائی طور پر، آپ کتے کی نسل کی شناخت کے لیے کتے کی نسل کی شناخت کا ماڈل بنا سکتے ہیں۔

اس پروجیکٹ کے لیے، آپ تصویر سے کتوں کی مختلف نسلوں کی درجہ بندی کرنے کے لیے کتوں کی نسلوں کے ڈیٹاسیٹ کا استعمال کر سکتے ہیں۔ آپ کتوں کی نسلوں کا ڈیٹاسیٹ ڈاؤن لوڈ کر سکتے ہیں۔ کاگل.

مجھے یہ مکمل ٹیوٹوریل بھی ملا گہری تعلیم کا استعمال کرتے ہوئے کتے کی نسل کی درجہ بندی بذریعہ کیرل پینارین۔

2. چہرے کا پتہ لگانا

یہ ابتدائی افراد کے لیے ایک اچھا گہرا سیکھنے کا منصوبہ بھی ہے۔ اس پروجیکٹ میں، آپ کو ایک گہرا سیکھنے والا ماڈل بنانا ہے جو تصویر سے انسانی چہروں کا پتہ لگاتا ہے۔

چہرے کی شناخت کمپیوٹر وژن ٹیکنالوجی ہے۔ چہرے کا پتہ لگانے میں، آپ کو کسی بھی ڈیجیٹل امیج میں انسانی چہروں کو تلاش کرنا اور ان کا تصور کرنا ہوگا۔

آپ اوپن سی وی کا استعمال کرتے ہوئے اس پروجیکٹ کو ازگر میں بنا سکتے ہیں۔ مکمل ٹیوٹوریل کے لیے، اس مضمون کو دیکھیں، Rازگر اور اوپن سی وی کے ساتھ وقتی چہرے کی شناخت.

3. فصل کی بیماری کا پتہ لگانا

اس پروجیکٹ میں، آپ کو ایک ایسا ماڈل بنانا ہوگا جو فصلوں میں بیماریوں کی پیش گوئی کرے۔ آرجیبی تصاویر کا استعمال کرتے ہوئے. فصل کی بیماری کا پتہ لگانے کے ماڈل کی تعمیر کے لیے، Convolutional Neural Networks (CNN) کا استعمال کیا جاتا ہے۔

CNN بیماری کی شناخت اور اس کا پتہ لگانے کے لیے ایک تصویر لیتا ہے۔ Convolutional Neural Network میں مختلف مراحل ہیں۔ یہ اقدامات ہیں:

1. کنولوشن آپریشن۔
2. ReLU پرت۔
3. پولنگ
4. چپٹا کرنا۔
5. مکمل کنکشن۔

آپ زرعی فصل کی تصاویر کا ڈیٹاسیٹ ڈاؤن لوڈ کر سکتے ہیں۔ سے کاگل.

4. CIFAR-10 ڈیٹا سیٹ کے ساتھ تصویری درجہ بندی

تصویر کی درجہ بندی ابتدائیوں کے لیے بہترین منصوبہ ہے۔ تصویر کی درجہ بندی کے منصوبے میں، آپ کو تصاویر کو مختلف کلاسوں میں درجہ بندی کرنا ہوگا۔

اس پروجیکٹ کے لیے، آپ CIFAR-10 ڈیٹا سیٹ استعمال کر سکتے ہیں، جس میں 60,000 رنگین تصاویر ہیں۔ ان تصاویر کو 10 کلاسوں میں درجہ بندی کیا گیا ہے، جیسے کاریں، پرندے، کتے، گھوڑے، جہاز، ٹرک وغیرہ۔

ماخذ: CIFAR-10 ڈیٹاسیٹ۔

تربیتی ڈیٹا کے لیے، 50,000 تصاویر ہیں، اور ٹیسٹ ڈیٹا کے لیے، 10,000،XNUMX تصاویر استعمال کی جاتی ہیں۔ تصویر کی درجہ بندی گہری سیکھنے کی سب سے زیادہ استعمال شدہ ایپلی کیشنز میں سے ایک ہے۔ آپ ڈاؤن لوڈ کرسکتے ہیں۔ CIFAR-10 ڈیٹاسیٹ یہاں.

5. ہاتھ سے لکھے ہوئے ہندسے کی شناخت

آپ کی گہری سیکھنے کی مہارت کو دریافت کرنے اور جانچنے کے لیے، میرے خیال میں یہ غور کرنے کا بہترین منصوبہ ہے۔ اس پروجیکٹ میں، آپ ایک شناختی نظام بنائیں گے جو انسانی ہاتھ سے لکھے ہندسوں کو پہچانتا ہے۔

آپ اس ٹیوٹوریل کو دیکھ سکتے ہیں۔ ازگر کا استعمال کرتے ہوئے ہاتھ سے لکھے ہوئے ہندسے کی شناخت.

یہ ٹیوٹوریل استعمال کرتا ہے۔ MNIST ڈیٹاسیٹ اور ایک خاص قسم کا ڈیپ نیورل نیٹ ورک جو کہ Convolutional Neural Networks ہے۔

6. رنگ کا پتہ لگانا

یہ ایک ابتدائی سطح کا پروجیکٹ ہے جہاں آپ کو ایک انٹرایکٹو ایپ بنانا ہے۔ یہ ایپ کسی بھی تصویر سے منتخب کردہ رنگ کی شناخت کرے گی۔ مختلف RGB رنگ کی قدروں پر مبنی 16 ملین رنگ ہیں، لیکن ہم صرف چند رنگوں کو جانتے ہیں۔

اس منصوبے کو لاگو کرنے کے لئے، آپ کو ہونا ضروری ہے ان تمام رنگوں کا لیبل لگا ڈیٹاسیٹ جو ہم جانتے ہیں، اور پھر آپ کو یہ حساب لگانا ہوگا کہ منتخب کردہ رنگ کی قیمت کے ساتھ کون سا رنگ سب سے زیادہ مشابہت رکھتا ہے۔

اس پروجیکٹ کو عملی جامہ پہنانے کے لیے، آپ کو کمپیوٹر وژن پائتھون لائبریریوں OpenCV اور Pandas سے واقف ہونا چاہیے۔

آپ اس پروجیکٹ سے متعلق تمام تفصیلات چیک کر سکتے ہیں۔ یہاں.

7. ریئل ٹائم امیج اینیمیشن

یہ کمپیوٹر ویژن پر ایک اوپن سورس پروجیکٹ ہے۔ اس پروجیکٹ میں، آپ کو OpenCV کا استعمال کرتے ہوئے حقیقی وقت میں امیج اینیمیشن کرنا ہے۔ میں نے یہ تصویر پروجیکٹ کے GitHub ذخیرے سے لی ہے۔

ماخذ: گٹ ہب۔

جیسا کہ آپ تصویر میں دیکھ سکتے ہیں، ماڈل کیمرے کے سامنے موجود شخص کے تاثرات کی نقل کرتا ہے اور اس کے مطابق تصویری اظہار کو تبدیل کرتا ہے۔

یہ منصوبہ مفید ہے، خاص طور پر اگر آپ داخل ہونے کا ارادہ کر رہے ہیں۔ فیشن، ریٹیل، یا اشتہاری صنعت۔ آپ اس پراجیکٹ کا کوڈ چیک کر سکتے ہیں۔ GitHub کے اور کولاب نوٹ بک بھی.

8. ڈرائیور کی غنودگی کا پتہ لگانا

روڈ ایکسیڈنٹ ایک سنگین مسئلہ ہے اور اس کی بڑی وجہ ڈرائیوروں کی نیندیں ہیں۔ لیکن آپ ڈرائیور کی غنودگی کا پتہ لگا کر اس مسئلے کو روک سکتے ہیں۔ نظام.

ڈرائیور کی غنودگی کا پتہ لگانے کا نظام ڈرائیور کی آنکھوں کا مسلسل جائزہ لے کر اور اسے الارم کے ساتھ خبردار کر کے ڈرائیور کی غنودگی کا پتہ لگاتا ہے۔

اس پروجیکٹ کے لیے ڈرائیور کی آنکھوں کی نگرانی کے لیے ایک ویب کیم ضروری ہے۔ ازگر، اوپن سی وی، اور کیراس ڈرائیور کو نیند آنے پر اسے الرٹ کرنے کے لیے استعمال کیا جاتا ہے۔

آپ اس مکمل پروجیکٹ ٹیوٹوریل کو یہاں دیکھ سکتے ہیں، OpenCV اور Keras کے ساتھ ڈرائیور کی غنودگی کا پتہ لگانے کا نظام.

حقیقی. اجازت کے ساتھ دوبارہ پوسٹ کیا۔

بیو: اقصیٰ ظفر، پی ایچ ڈی۔ ڈیٹا مائننگ کے اسکالر نے "ڈیٹا مائننگ کے ذریعے سوشل میڈیا سے ڈپریشن کا پتہ لگانے" پر تحقیق کی اور ڈیٹا سائنس اور مشین لرننگ کے بارے میں لکھتے ہیں۔ MLTUT میدان میں علم اور تجربے کا اشتراک کرنے کے لئے.

متعلقہ:

• ابتدائی 10 ڈیٹا سائنس پروجیکٹس
• NLP پروجیکٹس کے لیے ڈیٹا سیٹ کیوریشن کے لیے 4 نکات
• 21 مشین لرننگ پروجیکٹس - ڈیٹا سیٹس شامل ہیں۔