Digitalna Dalmacija > Edukacije > AI HandsOn Training

AI radionica YOLOv8

Prijavi se do 08.06. na besplatni 3-tjedni Hands-On Workshop razvoja vlastite aplikacije bazirane na AI tehnologijama koju održava Luka Farkaš - ATOS Intern.

Testiranje polaznika održat će se 9.6.2023.

Poznati su ti pojmovi poput Machine Learning, Computer Vision, Neural Networks, TensorFlow, PyTorch, YOLO, ali nikako da uhvatiš vremena malo složiti razvojno okruženje i isprobati neki primjer koda da vidiš kako stvar funkcionira.

Ovaj workshop će ti upravo u tome pomoći!

Prijavi se

Što je AI radionica YOLOv8?

Besplatna i za sve otvorena radionica u organizaciji Digitalne Dalmacije, EDIT CodeSchoola i uz podršku Odjela za informatiku Splitskog PMF-a. Ovu višetjednu Hands-on radionicu s temom: Prepoznavanje objekata korištenjem YOLOv8 održava Luka Farkaš - ATOS Intern. Naučiti ćeš kako krenuti u razvoj vlastite aplikacije za neku primjenu koja bi koristila automatizirano prepoznavanje objekata i uputiti će te u podešavanje razvojnog okruženja, potrebne tehnologije i samu problematiku strojnog učenja i prepoznavanja objekata korištenjem YOLO algoritma.

Kome je namijenjena?

Radionica je zamišljena kao samostalan rad na modelima detekcije objekata uz kratke prezentacije i simulacije o istima. Polaznici bi se upoznali s koracima i postupcima (workflow) pri kreiranju modela neuronskih mreža za rad s Machine Learning algoritmima u svijetu računalnog vida (CV), odnosno detekcije objekata. Polaznik bi nakon završetka radionice bio sposoban prikupiti vlastite podatke, odabrati prikladan model i istrenirati isti. Tijekom pripreme podataka i treniranja modela, polaznik će biti sposoban uvidjeti potencijalne probleme i optimizirati ih na što efikasniji način.

Plan radionice:

1. Upoznavanje s python bilježnicama i YOLOv8 frameworkom uz treniranje unaprijed pripremljenih datasetova dostupnih na Roboflow-u. Neki datasetova su: Aerial Maritime Drone Dataset, Mask Wearing Dataset, Blood Cells Dataset, Vehicle OpenImages Dataset i drugi. Zašto je YOLO prekretnica u problemima detekcije objekata? Ogledni pregled mogućnosti koje pružaju YOLOv8 i Roboflow. Treniranje modela, evaluacija rezultata i testiranje modela na drugim primjerima.

2. Machine Learning workflow uz kratke zadatke i PyTorch tutorijale: augmentacije, hiperparametri, optimizacija, loss funckije, aktivacijske funkcije, slojevi neuronske mreže itd. Upoznavanje s konvolucijskim neuronskim mrežama uz razne simulacije. Rad s PyTorch frameworkom i njegove mogućnosti. Usporedba YOLOv8 (one-shot detector) s two-shot detektorima i detaljnija analiza YOLOv8.

3. Testiranje drugih YOLO modela te usporedba sa sličnima. Usporedba rezultata i brzine treniranja i detekcije. Unaprjeđivanje detekcije objekata na praćenje objekata pomoću DeepSort algoritama. Dogovor i ideje za vlastite projekte.

4. Pripremanje podataka, health check, augmentacije itd… Možemo li od male količine podataka istrenirati model koji detektira „dovoljno“ dobro? Samostalan rad uz međusobno savjetovanje i suradnju.

5. Multi-object tracking na vlastitom projektu. Pregled i komentiranje projekata i ideje za daljni rad. Detekcija određene pozicije kako bi se poboljšala točnost modela i prikupljenih podataka.

6. Predstavljanje vlastitih projekata