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

해결하는 문제

컴퓨터 비전을 배우고자 하는 사람들은 종종 이론과 실제 적용 사이의 격차에 직면합니다. 이 저장소는 YOLO, RT-DETR, Depth Anything과 같은 최신 모델을 폐기물 분류, 교통 분석, 스포츠 분석, 산업 검사, 농업 모니터링과 같은 실제 문제에 적용하는 방법을 보여주는 즉시 실행 가능한 Jupyter 노트북을 제공합니다.

작동 방식

특정 사용 사례에 초점을 맞춘 노트북 모음입니다. 각 노트북은 일반적으로 특정 작업을 위해 사용자 정의 데이터 세트에서 사전 훈련된 모델(예: YOLO)을 미세 조정하는 방법을 보여주며, Jupyter 또는 Google Colab에서 실행할 수 있는 코드 셀을 포함합니다. 또한 많은 노트북이 YouTube 워크스루 비디오에 연결됩니다. 노트북은 "fine-tune YOLO for various use cases" 폴더 아래에 구성되어 있으며, 객체 감지, 인스턴스 분할, 포즈 추정, OCR, 깊이 기반 위치 지정과 같은 작업을 다룹니다.

대상 사용자

컴퓨터 비전 모델을 실제 문제에 적용하는 실습 예제를 원하는 개발자, 학생, AI 실무자를 위한 것입니다. 기본 사항을 이미 알고 있고 처음부터 시작하지 않고 사용자 정의 작업을 위해 모델을 미세 조정하는 방법을 확인하려는 사람들에게 특히 유용합니다.

주요 특징

• 폐기물, 전자제품, 교통, 스포츠, 소매, 농업, 제조 등 다양한 분야를 다루는 성장하는 노트북 모음.
• 각 노트북에는 단계별 안내를 위한 YouTube 튜토리얼 비디오도 함께 제공됩니다.
• 대부분의 노트북은 Google Colab에서 직접 실행할 수 있어 로컬 GPU 설정 없이 쉽게 실행할 수 있습니다.
• 예제는 처음부터 새 모델을 훈련하는 대신 특정 작업을 위해 YOLO 및 RT-DETR과 같은 인기 모델을 미세 조정하는 데 중점을 둡니다.