• Trang chủ
  • Khóa học
  • Giới thiệu về thị giác máy tính và xử lý hình ảnh
    • Phần 1: Giới thiệu về thị giác máy tính
    • Tổng quan về thị giác máy tính và các ứng dụng của nó 9

      • Đọc1.1
        Tổng Quan Khóa Học
        2 phút
      • Video1.2
        Giới thiệu về thị giác máy tính
        4 phút
      • Video1.3
        Ứng dụng của thị giác máy tính
        3 phút
      • Video1.4
        Nghiên cứu gần đây về thị giác máy tính
        4 phút
      • Video1.5
        Động não về các ứng dụng của riêng bạn
        3 phút
      • Đọc1.6
        Bài viết
        10 phút
      • Đọc1.7
        Thị giác Máy tính trong Thực tiễn
        15 phút
      • Quiz1.8
        Đánh giá thực hành
        10 phút
      • Quiz1.9
        Kiểm tra: Tổng quan về Thị giác máy tính và các ứng dụng của nó
        10 phút
    • Phần 2: Xử lý hình ảnh với OpenCV và Pillow
    • Xử lý hình ảnh với OpenCV và Pillow 17

      • Video1.1
        Hình ảnh kỹ thuật số là gì
        8 phút
      • Đọc1.2
        Xử lý hình ảnh với Pillow
        30 phút
      • Đọc1.3
        Xử lý hình ảnh với OpenCV
        30 phút
      • Video1.4
        Thao tác hình ảnh
        3 phút
      • Video1.5
        Thao tác hình ảnh từng pixel một
        5 phút
      • Đọc1.6
        Thao tác Hình ảnh Cơ bản với Pillow
        30 phút
      • Đọc1.7
        Thao tác Hình ảnh Cơ bản với OpenCV
        30 phút
      • Video1.8
        Chuyển đổi pixel
        8 phút
      • Đọc1.9
        Biểu đồ Tần suất và Chuyển đổi Cường độ
        30 phút
      • Video1.10
        Các phép toán hình học
        7 phút
      • Đọc1.11
        Biến đổi Hình học với Pillow
        30 phút
      • Đọc1.12
        Biến đổi Hình học với OpenCV
        30 phút
      • Video1.13
        Hoạt động không gian trong xử lý ảnh
        10 phút
      • Đọc1.14
        Lọc Không gian với Pillow
        30 phút
      • Đọc1.15
        Lọc Không gian với OpenCV
        30 phút
      • Quiz1.16
        Đánh giá thực hành
        10 phút
      • Quiz1.17
        Bài kiểm tra: Xử lý ảnh
        20 phút
    • Phần 3: Phân loại hình ảnh học máy
    • Phân loại hình ảnh học máy 18

      • Video1.1
        Giới thiệu về phân loại hình ảnh
        3 phút
      • Video1.2
        Phân loại hình ảnh bằng KNN
        5 phút
      • Đọc1.3
        Nhận Mã Tính Năng IBM Cloud và Kích Hoạt Tài Khoản Dùng Thử
        60 phút
      • Đọc1.4
        Thiết lập môi trường học tập về Thị giác Máy tính
        15 phút
      • Đọc1.5
        Bắt đầu với CV Studio!
        15 phút
      • Đọc1.6
        Gắn nhãn Dữ liệu của bạn và Thực hiện Phân loại Hình ảnh với KNN
        45 phút
      • Video1.7
        Bộ phân loại tuyến tính
        6 phút
      • Video1.8
        Đào tạo hồi quy logistic: Giảm dần độ dốc
        6 phút
      • Video1.9
        Giảm dần gradient từng nhóm nhỏ
        2 phút
      • Đọc1.10
        Hồi Quy Logistic Với Mini-Batch Gradient Descent
        15 phút
      • Video1.11
        Phân loại SoftMax và nhiều lớp
        3 phút
      • Đọc1.12
        Phân Loại Hình Ảnh Chữ Số Viết Tay với Softmax
        25 phút
      • Video1.13
        Máy Vector hỗ trợ
        6 phút
      • Đọc1.14
        Máy Vector Hỗ Trợ vs Bộ Phân Loại Tuyến Tính Thông Thường
        15 phút
      • Video1.15
        Tính năng hình ảnh
        4 phút
      • Đọc1.16
        Phân Loại Hình Ảnh với SVM và CV Studio
        60 phút
      • Quiz1.17
        Đánh giá thực hành
        10 phút
      • Quiz1.18
        Trắc nghiệm: Phân loại hình ảnh
        15 phút
    • Phần 4: Mạng lưới thần kinh và học sâu để phân loại hình ảnh
    • Mạng lưới thần kinh và học sâu để phân loại hình ảnh 13

      • Video1.1
        Mạng lưới thần kinh
        5 phút
      • Đọc1.2
        Mạng Nơ-ron Đơn Giản cho XOR
        25 phút
      • Video1.3
        Kiến trúc mạng thần kinh được kết nối đầy đủ
        4 phút
      • Đọc1.4
        Mạng Nơ-ron Rectified Linear Unit (ReLU) vs Sigmoid
        25 phút
      • Đọc1.5
        Huấn Luyện Một Mạng Nơ-ron Với Động Lực
        25 phút
      • Video1.6
        Mạng tích chập
        6 phút
      • Đọc1.7
        Mạng Nơ-ron Tích Chập
        39 phút
      • Đọc1.8
        Tăng Cường Dữ Liệu
        39 phút
      • Video1.9
        Kiến trúc CNN
        4 phút
      • Đọc1.10
        Triển Khai Một Mô Hình
        10 phút
      • Đọc1.11
        Sử Dụng CNN cho Bộ Phân Loại "Hotdog, Không Phải Hotdog" và Triển Khai Mô Hình với CV Studio
        40 phút
      • Quiz1.12
        Đánh giá thực hành
        10 phút
      • Quiz1.13
        Bài kiểm tra: Mạng lưới thần kinh
        15 phút
    • Phần 5: Phát hiện đối tượng
    • Phát hiện đối tượng 8

      • Video1.1
        Phát hiện đối tượng
        5 phút
      • Video1.2
        Phát hiện đối tượng với Haar Cascade Classifier
        4 phút
      • Đọc1.3
        Phát hiện Xe hơi bằng Bộ phân loại Haar
        60 phút
      • Đọc1.4
        Phát hiện Đối tượng bằng Học sâu
        10 phút
      • Đọc1.5
        Phát hiện Đối tượng bằng Faster R-CNN
        30 phút
      • Đọc1.6
        Phát hiện Đối tượng bằng Mô hình Đã Huấn luyện Trước CV Studio
        60 phút
      • Quiz1.7
        Đánh giá thực hành
        10 phút
      • Quiz1.8
        Kiểm tra: Phát hiện vật thể
        25 phút
    • Phần 6: Trường hợp dự án: Không hẳn là một chiếc xe tự lái - Phân loại biển báo giao thông
    • Bài tập được đánh giá ngang hàng 5

      • Đọc1.1
        Tổng Quan Dự Án
        15 phút
      • Đọc1.2
        Nhiệm Vụ 1: Thu Thập và Tải Lên Dữ Liệu của Bạn
        40 phút
      • Đọc1.3
        Nhiệm Vụ 2: Huấn Luyện Bộ Phân Loại của Bạn
        15 phút
      • Đọc1.4
        Nhiệm Vụ 3: Triển Khai lên Code Engine
        15 phút
      • Đọc1.5
        Nhiệm Vụ 4: Kiểm Tra Bộ Phân Loại của Bạn
        15 phút
    Nội dung khóa học

    Tổng Quan Khóa Học

    Khóa học "Giới thiệu về Thị giác Máy tính" này được thiết kế để giới thiệu cho bạn cách áp dụng các kỹ thuật thị giác máy tính vào các vấn đề thực tế. Sau khi hoàn thành khóa học này, bạn sẽ có thể áp dụng các kỹ thuật xử lý hình ảnh, học máy truyền thống và học sâu vào các vấn đề thị giác máy tính bằng cách tích hợp giải pháp của bạn vào một ứng dụng. Bạn cũng sẽ có thể triển khai ứng dụng thị giác máy tính của mình trên đám mây và thêm chúng vào danh mục dự án của bạn.

    Khóa học này tập trung vào ứng dụng thực tế và sử dụng phương pháp học thực hành. Có hai loại phòng thí nghiệm thực hành trong khóa học này: các phòng thí nghiệm sử dụng Jupyter Notebooks và các phòng thí nghiệm sử dụng CV Studio, một công cụ miễn phí được thiết kế đặc biệt để giúp bạn học những điều cơ bản về thị giác máy tính. Cả hai loại phòng thí nghiệm này đều được cung cấp cho bạn bởi môi trường IBM Skills Network Labs. Bạn sẽ sử dụng Jupyter Notebooks để nhanh chóng bắt đầu với các tác vụ xử lý hình ảnh, học máy, học sâu và thị giác máy tính bằng cách sử dụng các tập dữ liệu đã được xử lý trước. Các phòng thí nghiệm dựa trên CV Studio cho phép bạn tập trung vào việc học thực tế bằng cách làm cho việc tải lên, gắn nhãn, huấn luyện và kiểm tra hình ảnh trở nên dễ dàng, huấn luyện mô hình của bạn và quan trọng nhất là tích hợp mô hình của bạn vào một ứng dụng thực tế và, tùy chọn, triển khai ứng dụng của bạn trên đám mây để người khác có thể sử dụng.

    Khóa học này phù hợp cho nhiều chuyên gia và sinh viên có ý định bắt đầu hành trình của mình trong Thị giác Máy tính, những người muốn có một sự hiểu biết sâu sắc nhưng đơn giản về các kỹ thuật khác nhau được sử dụng trong lĩnh vực này. Chúng tôi khuyến nghị mạnh mẽ việc tham gia khóa học "Python for Data Science, AI & Development" trước khi bắt đầu khóa học này để làm quen với ngôn ngữ lập trình Python, Jupyter Notebooks và các thư viện phổ biến.

    Quan Trọng

    Mỗi mô-đun trong khóa học có:

    • Ba đến chín phòng thí nghiệm và bài tập thực hành bằng Python và CV Studio
    • Một bài kiểm tra thực hành để kiểm tra sự hiểu biết của bạn về các tài liệu
    • Một bài kiểm tra đánh giá sẽ chiếm 15% tổng điểm của khóa học

    Trong tuần cuối cùng, bạn sẽ được đưa ra một kịch bản dự án trong đó bạn sẽ triển khai các mô hình của mình lên đám mây. Để chứng nhận hoàn thành, bạn sẽ cần hoàn thành và nộp dự án của mình để được đánh giá bởi đồng nghiệp. Dự án này sẽ chiếm 25% điểm cuối cùng của khóa học.