Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Uitdaging: Objectdetectie met Aangepast Model en YOLO | Objectdetectie
Essentiële Computer Vision

bookUitdaging: Objectdetectie met Aangepast Model en YOLO

In deze opdracht maak je kennis met objectdetectie met behulp van deep learning. Eerst bouw je je eigen objectdetectiemodel vanaf nul met Keras. Vervolgens laad je een vooraf getraind YOLOv8-model en pas je dit toe op dezelfde dataset.

Tijdens deze opdracht:

  • Trainen van een eenvoudig objectdetectiemodel op basis van Keras;
  • Laden en uitvoeren van voorspellingen met een YOLOv8-model getraind op dezelfde data;
  • Evalueren van de prestaties op echte validatieafbeeldingen;
  • Vergelijken van resultaten en inzicht krijgen in het verschil tussen eigen modellen en de meest geavanceerde modellen.

Halverwege het notebook reflecteer je op waarom het bouwen van detectiemodellen vanaf nul beperkingen kan hebben — en benoem je kort het belang van transfer learning voor praktische toepassingen.

question-icon

Voltooi de opdracht en plak alle delen van de sleutel

1.  2.  3.  4.  5.  6.  7.  8.
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 4. Hoofdstuk 8

Vraag AI

expand

Vraag AI

ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Suggested prompts:

What is the structure of the dataset provided?

Can you explain the main differences between a custom Keras object detector and YOLOv8?

How do I get started with building the Keras-based object detector?

Awesome!

Completion rate improved to 3.45

bookUitdaging: Objectdetectie met Aangepast Model en YOLO

Veeg om het menu te tonen

In deze opdracht maak je kennis met objectdetectie met behulp van deep learning. Eerst bouw je je eigen objectdetectiemodel vanaf nul met Keras. Vervolgens laad je een vooraf getraind YOLOv8-model en pas je dit toe op dezelfde dataset.

Tijdens deze opdracht:

  • Trainen van een eenvoudig objectdetectiemodel op basis van Keras;
  • Laden en uitvoeren van voorspellingen met een YOLOv8-model getraind op dezelfde data;
  • Evalueren van de prestaties op echte validatieafbeeldingen;
  • Vergelijken van resultaten en inzicht krijgen in het verschil tussen eigen modellen en de meest geavanceerde modellen.

Halverwege het notebook reflecteer je op waarom het bouwen van detectiemodellen vanaf nul beperkingen kan hebben — en benoem je kort het belang van transfer learning voor praktische toepassingen.

question-icon

Voltooi de opdracht en plak alle delen van de sleutel

1.  2.  3.  4.  5.  6.  7.  8.
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 4. Hoofdstuk 8
some-alt