Corso Online: Computer Vision con Python e OpenCV

OBIETTIVI E PROGRAMMA

La Computer Vision è uno dei settori più hot dell’Intelligenza Artificiale, che negli ultimi anni ha fatto progressi esponenziali grazie alle ultime tecniche di Deep Learning e all’utilizzo delle Reti Neurali Artificiali. 
Ma cosa è esattamente la Computer Vision? E’ un insieme di tecniche, metodi e modelli che ci permette di analizzare digitalmente immagini e video, riconoscendo forme e oggetti con una precisione anche superiore a quella dell’occhio umano. 
Le applicazioni pratiche sono innumerevoli e colpiscono moltissimi grandi settori: trasporti (es. Auto a Guida Autonoma), Healtcare (es. Diagnosi Medica Computerizzata), Sicurezza (es. Telecamere Intelligenti), il Gaming (es. Microsoft Kinect). 

OBIETTIVI

In questo corso pratico imparerai come funziona la Computer Vision e come applicarla in maniera pratica, utilizzando OpenCV, la più popolare libreria per la Computer Vision. 
In particolare, vedremo come aprire e elaborare un’immagine, ridimensionandola, ritagliandola e disegnandoci sopra testo e forme. 

PROGRAMMA

Questo corso ha una durata complessiva di 13 ore.

Cap.01 Introduzione

•          Lezione 1.1 Introduzione | 10:12 minuti

Cap.02 Preparazione dell’Ambiente di Lavoro

•          Lezione 2.1 Installazione di Anaconda | 02:41 minuti
•          Lezione 2.2 Breve Introduzione a VSCode | 03:17 minuti
•          Lezione 2.3 Creare un’Ambiente Virtuale con Navigator | 04:29 minuti
•          Lezione 2.4 Creare un’Ambiente Virtuale con il Prompt | 05:05 minuti

Cap.03 Immagini e Matrici con Numpy

•          Lezione 3.1 Come il Computer vede le Immagini | 07:18 minuti
•          Lezione 3.2 Basi di Numpy per la Computer Vision | 17:46 minuti
•          Lezione 3.3 Aprire un’Immagine con Numpy | 08:23 minuti

Cap.04 Operare sulle Immagini con OpenCV

•          Lezione 4.1 Introduzione a OpenCV | 02:56 minuti
•          Lezione 4.2 Aprire un’Immagine con OpenCV | 06:48 minuti
•          Lezione 4.3 Ridimensionare e Ritagliare un’Immagine | 08:18 minuti
•          Lezione 4.4 Ruotare un’Immagine | 06:21 minuti
•          Lezione 4.5 Disegnare Rettangoli, Cerchi e Linee | 11:42 minuti
•          Lezione 4.6 Inserire Testo su un’Immagine | 03:19 minuti

Cap.05 Acquisire Foto e Video con Python

•          Lezione 5.1 Catturare Immagini da Webcam | 06:08 minuti
•          Lezione 5.2 Stream di Immagini da Webcam | 03:15 minuti
•          Lezione 5.3 Catturare Input da Tastiera | 03:42 minuti
•          Lezione 5.4 Operare sullo Stream Video- Filtro BiancoNero | 03:39 minuti
•          Lezione 5.5 Operare sullo Stream Video- Scrivere Data e Ora | 05:52 minuti
•          Lezione 5.6 Come Catturare Snapshot | 04:14 minuti
•          Lezione 5.7 Come Registrare Video | 08:00 minuti

Cap.06 Object Detection Base

•          Lezione 6.1 Le Haar-Like Features | 12:40 minuti
•          Lezione 6.2 Le Integral Images | 07:14 minuti
•          Lezione 6.3 Integral Images con OpenCV | 03:52 minuti
•          Lezione 6.4 L’algoritmo Cascade of Classifiers | 10:36 minuti
•          Lezione 6.5 Face Detection con OpenCV | 11:54 minuti
•          Lezione 6.6 Multiple Face Detection con OpenCV | 04:31 minuti
•          Lezione 6.7 Live Face Detection con OpenCV | 05:48 minuti
•          Lezione 6.8 Integriamo la Face Detection nella Webcam | 04:18 minuti
•          Lezione 6.9 Catturare Immagini da Webcam con un Sorriso -D | 13:28 minuti

Cap.07 Object Tracking

•          Lezione 7.1 Centroid Tracking | 12:33 minuti
•          Lezione 7.2 Troviamo il Centroide di un Volto | 08:09 minuti
•          Lezione 7.3 Calcolo delle Distanze tra Centroidi | 06:58 minuti
•          Lezione 7.4 Da Face Detection a Face Tracking | 11:52 minuti
•          Lezione 7.5 Tracking del Centroide | 07:41 minuti
•          Lezione 7.6 Mostriamo il Risultato | 07:47 minuti

Cap.08 Machine Learning per la Computer Vision

•          Lezione 8.1 Introduzione al Machine Learning | 06:12 minuti
•          Lezione 8.2 Regressione Logistica per Computer Vision | 08:59 minuti
•          Lezione 8.3 Addestramento di un Modello di Machine Learning | 08:13 minuti
•          Lezione 8.4 Preprocessing del Binary MNIST | 15:14 minuti
•          Lezione 8.5 Apprendimento dei coefficienti sul MNIST | 18:58 minuti
•          Lezione 8.6 Riconoscimento di Nuove Immagini | 11:27 minuti

Cap.09 Deep Learning e Reti Neurali

•          Lezione 9.1 Reti Neurali per la Computer Vision | 06:32 minuti
•          Lezione 9.2 [OPZIONALE] La Forward Propagation | 06:34 minuti
•          Lezione 9.3 [OPZIONALE] La Backpropagation | 12:22 minuti

Cap.10 Tensorflow per la Computer Vision

•          Lezione 10.1 Creiamo l’Environment per Tensorflow | 05:02 minuti
•          Lezione 10.2 Preprocessing del MNIST | 04:34 minuti
•          Lezione 10.3 Addestramento della Rete Neurale | 20:51 minuti
•          Lezione 10.4 Riconoscimento di Nuove Immagini | 04:48 minuti

Cap.11 Addestrare Reti Neurali in Cloud (Gratuitamente)

•          Lezione 11.1 Introduzione ai Servizi in Cloud | 00:46 minuti
•          Lezione 11.2 Google Colaboratory | 08:01 minuti
•          Lezione 11.3 Paperspace Gradient | 09:58 minuti

Cap.12 Reti Convoluzionali (CNN) per la Classificazione di Immagini

•          Lezione 12.1 Vantaggi delle Reti Convoluzionali | 07:05 minuti
•          Lezione 12.2 L’Operatore Convoluzionale | 07:55 minuti
•          Lezione 12.3 Stride e Padding | 04:39 minuti
•          Lezione 12.4 Lo Strato Convoluzionale | 05:21 minuti
•          Lezione 12.5 Strati di Pooling | 06:41 minuti
•          Lezione 12.6 [OPZIONALE] Addestramento di una Rete Neurale Convoluzionale | 04:31 minuti

Cap.13 Neural Image Classification

•          Lezione 13.1 Processiamo le Immagini di Cani e Gatti | 10:25 minuti
•          Lezione 13.2 Addestriamo una Vanilla Neural Network | 10:16 minuti
•          Lezione 13.3 Addestriamo una CNN | 12:15 minuti

Cap.14 Generatori di Immagini

•          Lezione 14.1 Introduzione ai Generatori | 04:57 minuti
•          Lezione 14.2 Preparare il Dataset di 25000 Immagini | 09:26 minuti
•          Lezione 14.3 Addestrare una Rete Neurale con i Generatori | 17:14 minuti
•          Lezione 14.4 Riconoscimento di Nuove Immagini | 11:11 minuti

Cap.15 Images Augmentation

•          Lezione 15.1 Tecniche di Images Augmentation | 02:39 minuti
•          Lezione 15.2 Images Augmentation in Pratica | 18:29 minuti

Cap.16 Riconoscimento del Sesso dal Volto [PROGETTO]

•          Lezione 16.1 Otteniamo il Dataset di Volti | 03:04 minuti
•          Lezione 16.2 Addestriamo la Rete Neurale Convoluzionale | 12:33 minuti
•          Lezione 16.3 Riconoscimento da Webcam in Real Time – Parte 1 | 09:37 minuti
•          Lezione 16.4 Riconoscimento da Webcam in Real Time – Parte 2 | 10:26 minuti

Cap.17 Neural Object Detection

•          Lezione 17.1 Sliding Windows Detection | 05:01 minuti
•          Lezione 17.2 Intersection Over Union | 03:57 minuti
•          Lezione 17.3 L’Architettura YOLO | 06:46 minuti
•          Lezione 17.4 Multiple Objects Detection | 03:41 minuti
•          Lezione 17.5 Object Detection con YOLO in Python | 03:04 minuti
•          Lezione 17.6 Importiamo la Rete Pre-Addestrata con OpenCV | 08:27 minuti
•          Lezione 17.7 Ottenere le Predizioni della Rete YOLO | 06:00 minuti
•          Lezione 17.8 Calcolare i Bounding Box | 04:46 minuti
•          Lezione 17.9 Mostriamo il Risultato sull’Immagine | 08:55 minuti
•          Lezione 17.10 Riconoscimento di Oggetti Specifici | 03:39 minuti
•          Lezione 17.11 Riconoscimento di Oggetti all’interno di un Video | 06:53 minuti
•          Lezione 17.12 Creare un Nuovo Video | 07:31 minuti
•          Lezione 17.13 Applicare la Non-Max Suppression | 05:20 minuti