Image Segmentation mit Python und Keras

In diesem Kurs lernst du die Methoden der klassischen Bildverarbeitung mit Python kennen. Dabei arbeitest du mit dem Visual Code Editor von Microsoft und Jupyter Notebooks. Du lernst, wie man Kanten in Bildern erkennt und Filter baut, um bestimmte Strukturen in einem Bild zu finden. In der Bildverarbeitung spielen Farbräume eine wichtige Rolle. Denn bevor Bilder segmentiert werden können, müssen sie aufbereitet werden. Die Grundlagen der Farbräume und ihre verschiedenen Anwendungsbereiche sind ein wesentlicher Teil dieses Kurses, auf dem alle weiteren Bearbeitungsschritte aufbauen. Du lernst auch Quellen für Bilddatenbanken im Internet kennen und erfährst, wo du geeignete Bilder für dein Projekt kostenlos herunterladen kannst.

In diesem Kurs arbeitest du mit leistungsfähigen Werkzeugen aus dem Bereich des maschinellen Lernens, erstellst ein Convolutional Neural Network (CNN), um Hunderassen in Bildern zu erkennen, und lernst eine Netzarchitektur kennen, mit der du Objekte segmentieren kannst. Für das Training der neuronalen Netze verwendest du den kostenlosen Cloud-Dienst Google Colab.

Am Ende hast du viele verschiedene Algorithmen kennengelernt und weißt, wie du diese in der Praxis einsetzen kannst.

Alle Video-Lektionen im Überblick:

• 1. Einführung und Einrichtung

  • Herzlich willkommen zu diesem Kurs

  • Entwicklungsumgebung einrichten

  • Quiz: Einführung und Einrichtung

• 2. Bilder vorbereiten und bearbeiten

  • Intro

  • Einführung

  • Bilder richtig darstellen

  • Bilder verkleinern

  • Bilder mit PLT ausgeben

  • Farbräume verstehen

  • Schwarz-Weiß-Bilder für Masken erstellen

  • Bilder mit Numpy croppen

  • Farben anwenden

  • Numpy Shapes: Form eines Arrays bestimmen

  • Bildmanipulation: Helligkeit anpassen

  • Bilder rotieren

  • Bilder zoomen

  • Bilder übereinander legen

  • Hyperspektralaufnahmen nutzen

  • Quiz: Bilder vorbereiten und bearbeiten

• 3. Geeignete Daten beschaffen

  • Intro

  • Einfache Datenbeschaffung

  • Einzelbilder und Datensätze

  • Viele Möglichkeiten, Bilder zu finden

  • Satellitenbilder finden

  • Google Earth nutzen

  • Kaggle: Die Data Science spezialisierte Plattform

  • Labelme: Datensätze digitaler Bilder

  • Bibliotheken von Coco und Keras

  • Daten organisieren

  • Quiz: Geeignete Daten beschaffen

• 4. Convolutional Neural Networks (CNNs)

  • Intro

  • CNNs zur Bilderkennung verwenden

  • Das Prinzip der Konvolution

  • Aufbau eines CNNs

  • Ein CNN mit Keras erstellen

  • Verlustfunktion und Gradientenabstieg

  • Aktivierungsfunktionen

  • Daten vorbereiten

  • Ein CNN mit Keras trainieren

  • Transfer Learning

  • Quiz: Convolutional Neural Networks (CNNs)

• 5. Bildsegmentierung mit U-Net

  • Intro

  • Was ist ein U-Net?

  • U-Net mit Keras erstellen

  • U-Net trainieren

  • Quiz: Bildsegmentierung mit U-Net

• 6. Machine Learning-Algorithmen der CVS-Bibliothek

  • Intro

  • CV2 für Fortgeschrittene

  • Corner Detection mit CV2

  • Videos mit CV2 bearbeiten

  • Quiz: Machine Learning-Algorithmen der CVS-Bibliothek

• 7. Bilder von Map Box im Browser darstellen

  • Intro

  • Mit Flask Bilder in HTML einbinden

  • Applikation und HTML Header

  • Auf Mapbox zugreifen

  • Mapbox im Browser nutzen

  • Mapbox in Html einbinden

  • Masken mit Python erstellen

  • Polygone erstellen

  • Quiz: Bilder von Map Box im Browser darstellen

  • Fazit und Kursabschluss

So lernst du mit diesem Videokurs:

In den Videokursen der heise academy lernst du IT-Themen anschaulich und verständlich. Du siehst den Experten bei der praktischen Arbeit zu und lässt dir dabei alles genau erklären. Das Wissen ist in kompakte Lerneinheiten unterteilt, sodass du den Kurs Schritt für Schritt durcharbeiten oder gezielt zu Lektionen springen kannst, die dich interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für dich bereit, die dich beim Lernen unterstützen:

• Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten

• Wissensquizzes zur Lernkontrolle

• Lernhistorie und Lernfortschritt

• Lesezeichen und Notizen

• Volltextsuche in den Videos

• Frage-den-Experten-Modul

• Übungsmaterial zum Mitmachen

• Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:

Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.