Чему вы научитесь
- Что такое Raspberry Pi и каковы его компоненты?
- Понимание периферийных устройств, которые необходимо подключить к Raspberry Pi
- Подключите Raspberry Pi, чтобы создать полнофункциональный компьютер
- Легко освойте подготовку SD-карты для загрузки операционной системы для Raspberry Pi
- Установите пакеты, необходимые для создания приложений компьютерного зрения.
- Изучите базовые аспекты программирования на Python
- Создавайте простые приложения для обработки изображений с использованием Python и OpenCV
- Создавайте реальные приложения для обработки изображений на Raspberry Pi 4/3/2/Zero
- Изучите основы нейронной сети с помощью Google Colab
Материалы курса
- Введение
- Настройка Raspberry Pi
- Основы Руtоn
- Приложения компьютерного зрения
- Реальные приложения компьютерного зрения
- Основы нейронной сети в Google Colab
- Практические задания по обработке изображений
- Бесплатные учебные ресурсы по искусственному интеллекту
Требования
- Только математика средней школы
- Никаких предварительных знаний в области программирования не требуется.
- Все файлы кода и изображения, используемые в этом курсе, будут предоставлены.
- Необходимое оборудование: Raspberry Pi 3/2/Zero, монитор, мышь, клавиатура, разъем HDMI-VGA, USB-флеш-накопитель (минимальный объем памяти 2 ГБ), карта Micro SD (минимальный объем памяти 8 ГБ), устройство для чтения карт Micro SD, адаптер питания (2 А, предпочтительно зарядное устройство Micro-USB), веб-камера USB (минимальное разрешение 5 мегапикселей)
Описание
«Приложения компьютерного зрения на Raspberry Pi» — это курс для начинающих по недавно выпущенному Raspberry Pi 4, который полностью совместим с Raspberry Pi 3/2 и Raspberry Pi Zero.
Курс идеально подходит для тех, кто только знакомится с Raspberry Pi и хочет узнать о нем больше.
Вы изучите компоненты Raspberry Pi, подключение компонентов к Raspberry Pi, установку операционной системы NOOBS, основные команды Linux, программирование на Python и создание приложений для обработки изображений на Raspberry Pi, а также основы нейронных сетей.
Этот курс поможет новичкам, не имеющим навыков программирования, достичь уровня, на котором они смогут писать собственные программы.
В курсе подробно рассматриваются основы языка программирования Python.
Создание приложений компьютерного зрения преподается максимально просто и понятно.
Пользователи могут быстро изучить аппаратную сборку и кодирование на Python для создания приложений Computer Vision. К концу этого курса пользователи будут иметь достаточно знаний о Raspberry Pi, его компонентах, базовом программировании на Python и выполнении приложений обработки изображений в сценариях реального времени.
Курс преподает команда опытных инженеров, имеющих докторскую и постдокторскую степень в области исследований в области компьютерного зрения и глубокого обучения.
Любой может пройти этот курс. Никаких инженерных знаний не требуется. Преподаватель объяснил все необходимые инженерные концепции самым простым способом.
Курс позволит вам самостоятельно создавать приложения компьютерного зрения с использованием Raspberry Pi.
Этот курс — самый простой способ изучить и ознакомиться с платформой Raspberry Pi.
К концу этого курса пользователи будут создавать приложения обработки изображений, которые включают масштабирование и переворачивание изображений, изменение яркости изображений, выполнение побитовых операций над изображениями, размытие и резкость изображений, пороговую установку, эрозию и расширение, обнаружение краев и сегментацию изображений . Пользователь также сможет создавать реальные приложения обработки изображений, которые включают обнаружение человеческого лица, глаз, носа в реальном времени, обнаружение автомобилей на видео, обнаружение объектов в реальном времени, распознавание человеческого лица, сверточную нейронную сеть и многое другое.
Курс предоставляет полный код для всех приложений обработки изображений, совместимых с Raspberry Pi 3/2/Zero.
Для кого этот курс:
Всем, кто хочет изучить Raspberry Pi и интересуется созданием приложений компьютерного зрения
Изучите основы нейронной сети с помощью Google Colab
