Gyomírtás YoloV9-el a mezőgazdaságban
A Google Colab felhőalapú környezetben teszi lehetővé neurális hálózatok tanítását és futtatását. A képfeldolgozásban használt modellek, mint a YOLOv9, transfer learninggel és RoboFlow-adatokkal hatékonyan oldanak meg vizuális felismerési feladatokat
- A Google mint SAS szolgálató
- Miért a Google Colab
- Colab jegyzetfüzet létrehozása
- Colab fejlesztői környezet
- Colab fejlesztői környezet 2
- Pythonról röviden
- A neuron fogalma
- Hogyan működnek a neuronok a képfeldolgozásban
- Loss függvény
- Tanítási paraméterek 1
- Tanítási paraméterek 2
- Overfitting
- Hogyan tanul a neurális hálózat
- Transfer learning
- YOLO architektúra
- Kép adathalmazok
- Roboflow
- Megoldandó feladat
- YOLOV9 letöltése
- oloV9 súlyok tesztelése Tényleg jó
- RoboFlow adathalmaz létrehozása 1
- RoboFlow adathalmaz létrehozása 2
- RoboFlow adathalmaz létrehozása 3
- YoloV9 súlyok betanítása saját adathalmazzal
- Létrehozott modell tesztelése - Predikció
Az oktatóról
A mindennapokban egy autóipari cégnél végzek szoftverfejlesztői tevékenységeket, C#, Python és PHP nyelveken. Továbbá, szabadúszóként is dolgozok, elsősorban webes alkalmazásokat, ERP rendszereket, weboldalakat, webshopokat fejlesztek, Laravel és Vue keretrendszerrel. A Full Stack munkákat kedvelem a legjobban. Szívesen részt veszek a teljes szoftver életciklusában, a tervezéstől kezdve, egészen az üzemeltetésig. Nagyon fontosnak tartom, hogy szoftverfejlesztőként folyamatosan képezzem magam, ugyanis "Aki technikailag képzetlen, az sosem tud nagy iramot diktálni!" /Johan Cruyff/.
