学习 OpenCV 4、YOLO、道路标记和行人检测以及自动驾驶汽车的交通标志分类

课程英文名：Autonomous Cars The Complete Computer Vision Course 2021

此视频教程共13.0小时，中英双语字幕，画质清晰无水印，源码附件全

下载地址

课程编号：5
百度网盘地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
夸克网盘(不限速)地址：https://pan.quark.cn/s/ac8226352700

课程内容

汽车行业正在经历从传统的人工驾驶汽车向自动驾驶人工智能驱动汽车的范式转变。自动驾驶汽车提供了一种安全、高效且具有成本效益的解决方案，将极大地重新定义人类出行的未来。到 2035 年，自动驾驶汽车预计将挽救超过 50 万人的生命，并创造超过 1 万亿美元的巨大经济机会。汽车行业正在寻求十亿美元的投资，以在道路上部署技术最先进的车辆。

随着世界迈向无人驾驶的未来，在这个新兴领域对经验丰富的工程师和研究人员的需求从未像现在这样重要。

本课程的目的是为学生提供有关自动驾驶汽车设计和开发关键方面的知识。该课程为学生提供机器学习和计算机视觉等各种自动驾驶汽车概念的实践经验。车道检测、交通标志分类、车辆/物体检测、人工智能和深度学习等概念将呈现。该课程面向希望对自动驾驶车辆控制有基本了解的学生。推荐基本的编程知识。但是，这些主题将在早期课程讲座中广泛涉及；因此，该课程没有任何先决条件，对任何具有基本编程知识的学生开放。参加此自动驾驶汽车课程的学生将掌握将重塑交通未来的无人驾驶汽车技术。

我们将介绍的工具和算法包括：

• 深度学习和人工神经网络
• 卷积神经网络
• yolo
• HOG特征提取
• 用灰度图像进行检测
• 色彩空间技术
• RGB空间
• HSV空间
• 锐化和模糊
• 边缘检测和梯度计算
• 拉普拉斯边缘检测器
• Canny边缘检测
• 仿射和投影变换
• 图像平移、旋转和调整大小
• 霍夫变换
• 掩盖感兴趣的区域
• KNN 背景减法器
• MOG 背景减法器
• 卡尔曼滤波器
• 编码器和解码器
• 金字塔场景解析网络
• DeepLabv3+

如果您准备好迎接全新的挑战，并了解您在传统监督机器学习、无监督机器学习甚至深度学习中从未见过的 AI 技术，那么本课程适合您。

此外，该课程还包含基于现实生活示例的实践练习。因此，您不仅会学习理论，还会获得一些动手实践来构建自己的模型。有五个关于医疗保健问题的大项目和一个要实践的小项目。这些项目如下：

• 检测道路标记
• 道路标志检测
• 检测行人项目
• 语义分割
• 车辆检测