All content for AI and Coding Podcast is the property of AI and Coding and is served directly from their servers
with no modification, redirects, or rehosting. The podcast is not affiliated with or endorsed by Podjoint in any way.
Con questo video ha inizio il corso di Computer Vision con Python e OpenCV. Tratteremo le basi di OpenCV, le funzioni di disegno, gli algoritmi di blurring, thresholding, edge detection, contour, template matching e face detection.
____________________ 📚🎓LIBRI FONDAMENTALI da leggere a tutti i costi se volete fare la differenza! 🤓 ★Computer Vision: Algorithms and Applications (teoria) https://amzn.to/2REZz0E
★Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library (OpenCV con C++) https://amzn.to/2E4fDAO ____________________
Con questo video ha inizio il corso di Computer Vision con Python e OpenCV. Acquisirete le basi fondamentali per poter affrontare la Computer Vision con Python e OpenCV. Sessione dopo sessione, video dopo video, acquisirete tutta una serie di competenze che, man mano che avanzeremo di difficoltà di esercizio riuscirete a comprenderlo perché metterete a frutto tutto ciò che avete imparato fino a quel momento nei video precedenti. All'inizio tratteremo le funzioni base di OpenCV e, man mano che avanzeremo nel corso, vedremo le funzioni di disegno (fondamentali per poter marcare e segnare eventuali oggetti che troverete nei vostri video, nelle vostre immagini, nei vostri algoritmi di object detection), e successivamente approfondiremo gli algoritmi di blurring, capiremo quale tipologia di blurring è più opportuno utilizzare a seconda delle situazioni. Vedremo i vari algoritmi di thresholding e, anche qui, vedremo quale di questi è più opportuno utilizzare a seconda dell'immagini in ingresso e a seconda del risultato che vogliamo ottenere. Vedremo i principali algoritmi di edge detection tra i quali Laplacian, Sobel e Canny Edge. Vedremo gli algoritmi di contouring e tutte le features che questi contour ci rendono disponibili. Ma parlando di progetti, obiettivi concreti che riusciremo ad eseguire, al termine di questo Corso Computer Vision con Python e OpenCV, avremo il conteggio di oggetti all'interno delle immagini, il template matching, ovvero la possibilità di ricercare porzioni di un'immagine all'interno di un'immagine più grande. E come ultimo progetto saremo un grado di realizzare un, se pur semplice e minimale, face detector.
🕘TIMESTAMPS 00:00 Intro 02:08 Computer Vision con Python e OpenCV 02:10 Cos'è la Computer Vision 03:54 Cosa mi ha spinto a studiare la Computer Vision 05:30 Obiettivi di questo corso 05:46 I progetti che realizzeremo in questo corso di Computer Vision 08:40 Cosa sarete in grado di fare al termine di questo corso 08:57 Il famoso effetto wow™️ di molti tutorial online 09:15 Il Semantic Gap: la definizione 09:42 Il Semantic Gap: le immagini viste dal nostro punto di vista 09:54 Il Semantic Gap: le immagini viste dal computer 10:12 Cos'è OpenCV 10:45 Quali aziende stanno usando OpenCV (o lo richiedono nei job postings) 11:06 OpenCV: Accelerazione Hardware 11:23 OpenCV: Machine Learning e Deep Learning 11:50 OpenCV DNN (Deep Neural Network) module 12:27 Le immagini in OpenCV (Numpy e classe Mat) 13:45 Coordinate System in OpenCV
