Image Segmentation mit Python und Keras

109,00 €*

Lieferzeit Sofort lieferbar

Lernen Sie Methoden zur Bilderkennung, -verarbeitung und -segmentierung an praktischen Beispielen. KI-Experte Dr. Gerhard Heinzerling und Dimas Wiese zeigen alle Inhalte Schritt für Schritt. Sie können direkt mitmachen und Ihr erlerntes Wissen anhand von Übungsaufgaben und Quizzen überprüfen.

  • Image Segmentation mit Python und Keras anschaulich erklärt in 55 Lektionen
  • Prüfen Sie das Gelernte in Wissenstests
  • Stellen Sie den Experten Fragen über das Q&A-Modul
  • Machen Sie mit bei praktischen Übungen
Anzahl:
Artikel-Beschreibung

In diesem Kurs lernen Sie die Methoden der klassischen Bildverarbeitung mit Python kennen. Dabei arbeiten Sie mit dem Visual Code Editor von Microsoft und Jupyter Notebooks. Sie lernen, wie man Kanten in Bildern erkennt und Filter baut, um bestimmte Strukturen in einem Bild zu finden. In der Bildverarbeitung spielen Farbräume eine wichtige Rolle. Denn bevor Bilder segmentiert werden können, müssen sie aufbereitet werden. Die Grundlagen der Farbräume und ihre verschiedenen Anwendungsbereiche sind ein wesentlicher Teil dieses Kurses, auf dem alle weiteren Bearbeitungsschritte aufbauen. Sie lernen auch Quellen für Bilddatenbanken im Internet kennen und erfahren, wo Sie geeignete Bilder für Ihr Projekt kostenlos herunterladen können.

In diesem Kurs arbeiten Sie mit leistungsfähigen Werkzeugen aus dem Bereich des maschinellen Lernens, erstellen ein Convolutional Neural Network (CNN), um Hunderassen in Bildern zu erkennen, und lernen eine Netzarchitektur kennen, mit der Sie Objekte segmentieren können. Für das Training der neuronalen Netze verwenden Sie den kostenlosen Cloud-Dienst Google Colab.

Am Ende haben Sie viele verschiedene Algorithmen kennengelernt und wissen, wie Sie diese in der Praxis einsetzen können.



Länge:  05:06 Stunden




Alle Video-Lektionen im Überblick:

  • Einführung und Einrichtung
    • Herzlich willkommen zu diesem Kurs
    • Entwicklungsumgebung einrichten
    • Quiz: Einführung und Einrichtung
  • Bilder vorbereiten und bearbeiten
    • Intro
    • Einführung
    • Bilder richtig darstellen
    • Bilder verkleinern
    • Bilder mit PLT ausgeben
    • Farbräume verstehen
    • Schwarz-Weiß-Bilder für Masken erstellen
    • Bilder mit Numpy croppen
    • Farben anwenden
    • Numpy Shapes: Form eines Arrays bestimmen
    • Bildmanipulation: Helligkeit anpassen
    • Bilder rotieren
    • Bilder zoomen
    • Bilder übereinander legen
    • Hyperspektralaufnahmen nutzen
    • Quiz: Bilder vorbereiten und bearbeiten
  • Geeignete Daten beschaffen
    • Intro
    • Einfache Datenbeschaffung
    • Einzelbilder und Datensätze
    • Viele Möglichkeiten, Bilder zu finden
    • Satellitenbilder finden
    • Google Earth nutzen
    • Kaggle: Die Data Science spezialisierte Plattform
    • Labelme: Datensätze digitaler Bilder
    • Bibliotheken von Coco und Keras
    • Daten organisieren
    • Quiz: Geeignete Daten beschaffen
  • Convolutional Neural Networks (CNNs)
    • Intro
    • CNNs zur Bilderkennung verwenden
    • Das Prinzip der Konvolution
    • Aufbau eines CNNs
    • Ein CNN mit Keras erstellen
    • Verlustfunktion und Gradientenabstieg
    • Aktivierungsfunktionen
    • Daten vorbereiten
    • Ein CNN mit Keras trainieren
    • Transfer Learning
    • Quiz: Convolutional Neural Networks (CNNs)
  • Bildsegmentierung mit U-Net
    • Intro
    • Was ist ein U-Net?
    • U-Net mit Keras erstellen
    • U-Net trainieren
    • Quiz: Bildsegmentierung mit U-Net
  • Machine Learning-Algorithmen der CVS-Bibliothek
    • Intro
    • CV2 für Fortgeschrittene
    • Corner Detection mit CV2
    • Videos mit CV2 bearbeiten
    • Quiz: Machine Learning-Algorithmen der CVS-Bibliothek
  • Bilder von Map Box im Browser darstellen
    • Intro
    • Mit Flask Bilder in HTML einbinden
    • Applikation und HTML Header
    • Auf Mapbox zugreifen
    • Mapbox im Browser nutzen
    • Mapbox in Html einbinden
    • Masken mit Python erstellen
    • Polygone erstellen
    • Quiz: Bilder von Map Box im Browser darstellen
    • Fazit und Kursabschluss

Über den Trainer:

Dr. Gerhard Heinzerling ist Senior Data Scientist und Machine Learning Architect bei Arineo in Göttingen. Er hat über neuronale Netze promoviert und arbeitet seit über 20 Jahren im Bereich Softwareentwicklung und künstliche Intelligenz. Sein Schwerpunkt liegt auf der Bild- und Videoerkennung. Dabei arbeitet er mit Drohnenbildern, Handybildern und Satellitenbildern.


So lernen Sie mit diesem Videokurs:In den Videokursen der heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie Experten bei der praktischen Arbeit zu und lassen sich alles genau erklären. Das Wissen ist in viele kleine Lernschritte und Aufgaben unterteilt - Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise Academy bietet Ihnen viele Funktionen, die Sie beim Lernen unterstützen:

  • Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten
  • Wissensquizzes zur Lernkontrolle
  • Lernhistorie und Lernfortschritt
  • Lesezeichen und Notizen
  • Volltextsuche in den Videos
  • Frage-den-Experten-Modul
  • Übungsmaterial zum Mitmachen
  • Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:
Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.

Artikel-Details
Anbieter:
Heise Medien GmbH & Co. KG
Artikelnummer:
image_segmentation_heinzerling_01
Veröffentlicht:
01.08.2021

0 von 0 Bewertungen

Geben Sie eine Bewertung ab!

Teilen Sie Ihre Erfahrungen mit dem Produkt mit anderen Kunden.