Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Sfida: Rilevamento Oggetti con Modello Personalizzato e YOLO | Rilevamento Oggetti
Fondamenti di Computer Vision

bookSfida: Rilevamento Oggetti con Modello Personalizzato e YOLO

In questo compito, esplorerai il mondo del rilevamento oggetti utilizzando il deep learning. Per prima cosa, costruirai il tuo modello di rilevamento oggetti da zero utilizzando Keras. Successivamente, caricherai un modello YOLOv8 preaddestrato e lo applicherai allo stesso dataset.

Durante il percorso, dovrai:

  • Addestrare un semplice rilevatore di oggetti basato su Keras;
  • Caricare ed eseguire previsioni con un modello YOLOv8 addestrato sugli stessi dati;
  • Valutare le sue prestazioni su immagini di validazione reali;
  • Confrontare i risultati e comprendere la differenza tra modelli personalizzati e quelli all'avanguardia.

A metà del notebook, rifletterai sul motivo per cui costruire modelli di rilevamento da zero può essere limitante — e menzionerai brevemente l'importanza del transfer learning per le applicazioni pratiche.

question-icon

Completa la sfida e incolla tutte le parti della chiave

1.  2.  3.  4.  5.  6.  7.  8.
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 8

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Awesome!

Completion rate improved to 3.45

bookSfida: Rilevamento Oggetti con Modello Personalizzato e YOLO

Scorri per mostrare il menu

In questo compito, esplorerai il mondo del rilevamento oggetti utilizzando il deep learning. Per prima cosa, costruirai il tuo modello di rilevamento oggetti da zero utilizzando Keras. Successivamente, caricherai un modello YOLOv8 preaddestrato e lo applicherai allo stesso dataset.

Durante il percorso, dovrai:

  • Addestrare un semplice rilevatore di oggetti basato su Keras;
  • Caricare ed eseguire previsioni con un modello YOLOv8 addestrato sugli stessi dati;
  • Valutare le sue prestazioni su immagini di validazione reali;
  • Confrontare i risultati e comprendere la differenza tra modelli personalizzati e quelli all'avanguardia.

A metà del notebook, rifletterai sul motivo per cui costruire modelli di rilevamento da zero può essere limitante — e menzionerai brevemente l'importanza del transfer learning per le applicazioni pratiche.

question-icon

Completa la sfida e incolla tutte le parti della chiave

1.  2.  3.  4.  5.  6.  7.  8.
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 8
some-alt