Labellerr/Hands-On-Learning-in-Computer-Vision

解決する課題

コンピュータビジョンを学びたい人は、理論と実践のギャップに直面することがよくあります。このリポジトリは、YOLO、RT-DETR、Depth Anything などの最先端モデルを、廃棄物分類、交通分析、スポーツ分析、産業検査、農業モニタリングなどの実世界の問題に適用する方法を示す、すぐに実行できる Jupyter ノートブックを提供します。

仕組み

これはノートブックのコレクションであり、各ノートブックは特定のユースケースに焦点を当てています。各ノートブックは通常、特定のタスクのためにカスタムデータセットで事前学習済みモデル（例：YOLO）をファインチューニングする方法を示し、Jupyter または Google Colab で実行できるコードセルを含みます。多くは YouTube のウォークスルービデオにもリンクしています。ノートブックは「fine-tune YOLO for various use cases」フォルダの下に整理され、物体検出、インスタンスセグメンテーション、姿勢推定、OCR、深度ベースの位置決めなどのタスクをカバーしています。

対象読者

これは、コンピュータビジョンモデルを実用的な問題に適用する実践的な例を求める開発者、学生、AI 実践者向けです。基本をすでに知っていて、ゼロから始めずにカスタムタスク用にモデルをファインチューニングする方法を確認したい人に特に役立ちます。

ハイライト

• 廃棄物、電子機器、交通、スポーツ、小売、農業、製造業など、多くの分野をカバーする成長中のノートブックコレクション。
• 各ノートブックには、ステップバイステップのガイダンスを提供する YouTube チュートリアルビデオも付属しています。
• ほとんどのノートブックは Google Colab で直接起動でき、ローカル GPU のセットアップなしで簡単に実行できます。
• 例は、ゼロから新しいモデルをトレーニングするのではなく、特定のタスク向けに YOLO や RT-DETR などの人気モデルをファインチューニングすることに焦点を当てています。