Shawn Hymel

1.675 bereits angemeldet

von

Computer Vision with Embedded Machine Learning

Edge Impulse

Über diesen Kurs

25.746 kürzliche Aufrufe

Computer vision (CV) is a fascinating field of study that attempts to automate the process of assigning meaning to digital images or videos. In other words, we are helping computers see and understand the world around us! A number of machine learning (ML) algorithms and techniques can be used to accomplish CV tasks, and as ML becomes faster and more efficient, we can deploy these techniques to embedded systems.
This course, offered by a partnership among Edge Impulse, OpenMV, Seeed Studio, and the TinyML Foundation, will give you an understanding of how deep learning with neural networks can be used to classify images and detect objects in images and videos. You will have the opportunity to deploy these machine learning models to embedded systems, which is known as embedded machine learning or TinyML.

Familiarity with the Python programming language and basic ML concepts (such as neural networks, training, inference, and evaluation) is advised to understand some topics as well as complete the projects. Some math (reading plots, arithmetic, algebra) is also required for quizzes and projects. If you have not done so already, taking the "Introduction to Embedded Machine Learning" course is recommended.

This course covers the concepts and vocabulary necessary to understand how convolutional neural networks (CNNs) operate, and it covers how to use them to classify images and detect objects. The hands-on projects will give you the opportunity to train your own CNNs and deploy them to a microcontroller and/or single board computer.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Some math (reading plots, arithmetic, and algebra) is required in the course. Experience with the Python is recommended to complete the projects.

Ca. 31 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Was Sie lernen werden

How to train and develop an image classification system using machine learning

How to train and develop an object detection system using machine learning

How to deploy a machine learning model to a microcontroller

Kompetenzen, die Sie erwerben

Machine LearningPython ProgrammingMicrocontrollerEmbedded System DevelopmentComputer Programming

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Some math (reading plots, arithmetic, and algebra) is required in the course. Experience with the Python is recommended to complete the projects.

Ca. 31 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Dozent

Shawn Hymel

Instructor

11.595 Kursteilnehmer

2 Kurse

von

Edge Impulse

Edge Impulse is the leading development platform for machine learning on edge devices, free for developers and trusted by enterprises. Founded in 2019 by Zach Shelby and Jan Jongboom, we are on a mission to enable developers to create the next generation of intelligent devices. We believe that machine learning can enable positive change in society, and we are dedicated to support applications for good.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

11 Stunden zum Abschließen

Image Classification

In this module, we introduce the concept of computer vision and how it can be used to solve problems. We cover how digital images are created and stored on a computer. Next, we review neural networks and demonstrate how they can be used to classify simple images. Finally, we walk you through a project to train an image classifier and deploy it to an embedded system.

11 Stunden zum Abschließen

13 Videos (Gesamt 185 min), 14 Lektüren, 4 Quiz

13 Videos

Welcome to the Course6m

Instructor Introductions2m

What is Computer Vision?14m

Overview of Digital Images10m

Data Collection10m

Overview of Image Classification15m

Review of Neural Networks17m

Training an Image Classifier with Keras25m

Using Colab to Curate and Upload a Dataset18m

Using Edge Impulse to Train a Model9m

Inference on a Single Board Computer30m

Inference on a Microcontroller (MicroPython)17m

Review of Module 15m

14 Lektüren

Syllabus10m

Required Hardware10m

Getting Help10m

Slides10m

Python and Numpy Help10m

Project - Load and Manipulate Images2h

Slides10m

Image Classification and Neural Networks10m

Python and Edge Impulse Documentation10m

Project - Extract Features and Train Model1h

Edge Impulse and OpenMV Documentation10m

Project - Deploy DNN Image Classifier2h

Slides10m

4 praktische Übungen

Computer Vision10m

Image Classification with Neural Networks15m

Image Classification on Embedded Devices10m

Module 1 Review30m

Woche

Woche 2

11 Stunden zum Abschließen

Convolutional Neural Networks

In this module, we go over the basics of convolutional neural networks (CNNs) and how they can be used to create a more robust image classification model. We look at the internal workings of CNNs (e.g. convolution and pooling) along with some visualization techniques used to see how CNNs make decisions. We introduce the concept of data augmentation to help provide more data to the training process. You will have the opportunity to train your own CNN and deploy it to an embedded system.

11 Stunden zum Abschließen

9 Videos (Gesamt 114 min), 13 Lektüren, 5 Quiz

9 Videos

Image Convolution11m

Pooling Layer6m

Convolutional Neural Network14m

Training a Convolutional Neural Network15m

CNN Visualizations15m

Data Augmentation15m

Transfer Learning and MobileNet12m

Transfer Learning with Edge Impulse15m

Review of Module 26m

13 Lektüren

Slides10m

Project - Convolution and Pooling2h

Digging Deeper into CNNs10m

Slides10m

Project - Training a CNN1h 10m

Slides10m

CNN Visualizations and Data Augmentation10m

Project - Data Augmentation1h

Digging Deeper into Transfer Learning10m

Slides10m

Project - Transfer Learning1h

Project - Deploy CNN Image Classifier1h

Slides10m

5 praktische Übungen

Convolution and Pooling15m

Convolutional Neural Networks10m

Visualizations and Data Augmentation5m

Transfer Learning10m

Module 2 Review30m

Woche

Woche 3

9 Stunden zum Abschließen

Object Detection

In this module, we will cover the basics of object detection and how it differs from image classification. We will go over the math involved to measure objection detection performance. After, we will introduce several popular object detection models and demonstrate the process required to train such a model in Edge Impulse. Finally, you will be asked to deploy an object detection model to an embedded system.

9 Stunden zum Abschließen

10 Videos (Gesamt 109 min), 10 Lektüren, 3 Quiz

10 Videos

Introduction to Object Detection13m

Object Detection Performance Metrics11m

Object Detection Models16m

Training an Object Detection Model16m

Deploy Object Detection Model to a Single Board Computer10m

Image Segmentation7m

Multi-stage Inference with Dmitry Maslov6m

Reusing Representations with Mat Kelcey14m

Review of Module 37m

Conclusion3m

10 Lektüren

Slides10m

Drawing API10m

Project - Sliding Window Object Detection2h

Slides10m

Digging Deeper into Object Detection10m

Deploying an Object Detection Model10m

Slides10m

Digging Deeper into Advanced Topics10m

Project - Deploy Object Detection Model2h

Slides10m

3 praktische Übungen

Object Detection20m

Image Segmentation10m

Module 3 Review30m

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet Kursteilnehmern, die die Gebühr nicht bezahlen können, finanzielle Hilfe an. Sie beantragen diese Hilfe, indem Sie auf den entsprechenden Link links unter der Schaltfläche "Anmelden" klicken. Sie werden dazu aufgefordert, ein Antragsformular auszufüllen, und Sie werden benachrichtigt, wenn Ihr Antrag bewilligt wird. Mehr erfahren.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..

Computer Vision with Embedded Machine Learning

Computer Vision with Embedded Machine Learning