欢迎学习《基于Tensorflow图片视频和摄像头实时人体检测应用构建视频教程》课程，你将从头开始构建您自己的人体检测模型。使用 OpenCV、Tensorflow、PyYAML、Protobuf 和 Matplotlib 实现。
发表于 2022 年 11 月
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：3.25 GB | 时长：5h 10m
你会学到什么
- 学习从头开始构建完整的人体检测模型。
- 了解人工智能、神经网络、OpenCV、TensorFlow 及其应用。
- 配置 Anaconda、Jupyter Notebook 和 Visual Studio 的软件环境。
- 学习设置 python 虚拟环境和配置点子。
- 首先开发代码以使用 OpenCV 库捕获图像。
- 了解图像标注工具并创建注释。
- 了解脚本记录和标签映射。
- 此后，我们将了解目录创建、定义路径及其验证。
- 然后我们将了解 TensorFlow 模型花园、WGET 模块和模型 API。
- 学习和实现协议缓冲区和过程。
- 了解 TensorFlow Model Zoo 以及预训练模型的使用。
- 了解唯一 ID、培训记录和测试记录文件。
- 了解配置路径和编写管道配置和检查点。
- 了解如何训练自定义模型并对其进行评估。
- 了解准确率、召回率和混淆矩阵。
- 学习使用经过训练的模型检测图像和视频中的人物。
- 此后，学习通过外部网络摄像头实时检测人员。
- 部署模型后，了解冻结图并保存最终模型。
- 此外，了解将人体检测模型转换为 TensorFlow lite 模型的过程。
- 最后，了解如何归档模型以供将来编辑和构建不同的模型。
要求
Python编程语言的基础知识。
热衷于学习和探索新技术。
描述
已经提出了一种新颖的方法来实现照片、视频中的人体检测，以及使用系统网络摄像头和外部摄像头的实时检测。我们将逐步学习和构建整个项目。我将逐步介绍所有内容，以便您轻松构建自己的机器学习模型。
在这个 python 项目中，我们将通过网络摄像头构建一个人体检测和计数系统。这实际上是一个关于计算机视觉和TensorFlow的中级深度学习项目，它可以帮助你掌握人工智能的概念，它可以让你成为数据科学领域的专家。
因此，为了便于理解，本课程分为 14 个部分。然后，让我们看看我们将在每个部分中学习什么。
在第一部分中，我们将了解人工智能、神经网络、对象检测模型、计算机视觉库、TensorFlow、TF API 及其详细规范和应用以及适当的示例。
在第二部分，我们将了解人体检测模型，然后我们将了解如何安装 Anaconda、Visual Studio、Jupyter 等软件和工具。接下来，我们将了解 IDE 和所需的设置。稍后，这将有助于我们了解如何设置python环境等。
在 jupyter notebook 中单独测试小程序将使您清楚 jupyter notebook 的功能和工作原理。因此，在第三部分中，我们将学习设置 jupyter notebook 和工作空间。
第四部分从导入依赖项、定义和设置标签路径、实时演示和源代码开始。
在第五部分，我们将了解计算机视觉库以及如何使用 OpenCV 捕获图像。我们将逐步理解脚本，然后进一步使用实时演示和图像标记工具。此后，我们将了解注解及其类型。最后，我们将开始制作注释。
在第六部分，我们将从人体检测模型开始。然后，我们将学习定制我们自己的模型。此后，我们将继续进行预训练模型、脚本记录、标签映射等。之后，我们将开始使用工作区。
下一节将向我们介绍 TensorFlow Model API 和 Protocol Buffers。在这里，我们将继续进行模型花园、WGET 模块、协议和源代码的验证。然后我们将在这里学习如何从 TensorFlow Zoo 下载预训练模型。
之后，在第 8 节中，我们将使用模型。在这里，我们将学习如何创建标签映射，如何编写文件等等。然后，我们将了解模型记录，如训练和测试记录，将模型配置复制到训练文件夹中并进行实时演示。
在第 9 节中，我们将继续进行管道配置，在那里我们将了解检查点。接下来，我们将继续配置、复制和编写管道配置。最后，我们将进行验证。
在第 10 节中，您将了解如何训练和评估人体检测模型。在这里，我们将继续使用训练脚本、训练命令和验证。这是我们将构建人体检测模型的最重要部分。而且，在这个阶段我们必须非常小心，因为如果您的系统没有任何 GPU 并且使用了更高的训练步骤，“训练”可能需要很长时间或一天。训练完成后，进入模型评估步骤。所以在这里，我们将了解模型评估、平均精度、召回率、混淆矩阵等。
第 11 节将带您了解训练好的模型和检查点。在这里，我们将了解加载管道配置、恢复检查点和构建检测模型。然后，我们将了解源代码。
在第 12 节中，我们将了解如何从图像文件中测试人体检测模型。在这里，我们将导入推荐的库，然后了解类别索引、定义测试图像路径等。
第 13 节会弄脏你的手。您将从网络摄像头进行实时检测，并了解模型的性能。
最后，在第 14 节中，我们将了解冻结图、TensorFlow lite 和存档模型。这是最后一部分，我们将使用冻结图方法保存我们的人体检测模型。然后我们将学习如何将人类检测模型转换为 TensorFlow Lite 模型。
最后，我们将通过归档我们的模型以供将来编辑来结束这个项目。
此课程面向哪些人：
- 该课程适用于任何想要学习和探索人工智能和机器学习等尖端技术的人。
- 任何有兴趣从头开始开发自己的 AI 模型的技术爱好者。
- 一个想在机器学习领域建立职业生涯的学生。
- 任何想要在当前项目中部署此模型的爱好者。
