In this hands-on course, you will learn the core concepts of object detection, including bounding boxes, Intersection over Union (IoU), and mean Average Precision (mAP). You will explore how YOLO works, how to use pre-trained models, and how to train your own models using annotated datasets. You will also work with OpenCV for image processing and real-time detection. By the end of the day, you will have a fully trained model that you can apply to your own data.

What you learn

The fundamentals of object detection and how it differs from classification and segmentation.
Working with YOLO and OpenCV.
Annotating images and setting up datasets.
Training custom YOLO models usi…

Lees de volledige beschrijving

Veelgestelde vragen

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Nog niet gevonden wat je zocht? Bekijk deze onderwerpen: Computervaardigheden, Microsoft Outlook, Microsoft Windows XP, Microsoft Windows Vista en Microsoft Powerpoint.

What you learn

The fundamentals of object detection and how it differs from classification and segmentation.
Working with YOLO and OpenCV.
Annotating images and setting up datasets.
Training custom YOLO models using Ultralytics and Roboflow.
Evaluating model performance with IoU and mAP.

After this course you will be able to:

Train your own YOLO model and apply it to new images or videos.
Create annotations and structure datasets for object detection.
Integrate object detection into your own applications or projects.

For whom

Data scientists.
AI engineers.
Developers who want practical experience with computer vision and object detection.

Prerequisites

Basic Python knowledge is recommended.
Some experience with machine learning or AI tooling is helpful but not required.

Content (global program)

Part 1

Introduction to computer vision and object detection.
Difference between classification, detection and segmentation.

Part 2

Core concepts: bounding boxes, IoU and mAP.
Evaluating object detection models.

Part 3

Working with YOLO and Ultralytics.
Using pre-trained models and model configurations.

Part 4

Datasets and annotations.
Annotating images, structuring datasets and working with Roboflow.

Part 5

Training your own YOLO model.
Training, validation and optimizing performance.

Part 6

OpenCV and real-time detection.
Image processing, video input and live detection.

Part 7

Applying the model to your own data.
Integration in projects, use cases and Q&A.

Blijf op de hoogte van nieuwe ervaringen

Er zijn nog geen ervaringen.

Vraag informatie aan over deze cursus. Je ontvangt vanaf dan ook een seintje wanneer iemand een ervaring deelt. Handige manier om jezelf eraan te herinneren dat je wilt blijven leren!
Bekijk gerelateerde producten mét ervaringen: Computervaardigheden.

Deel je ervaring

Heb je ervaring met deze cursus? Deel je ervaring en help anderen kiezen. Als dank voor de moeite doneert Springest € 1,- aan Stichting Edukans.

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Vraag nu gratis en vrijblijvend informatie aan:

Voornaam: (optioneel)

Achternaam: (optioneel)

E-mailadres: (optioneel)

Bedrijfsnaam: (optioneel)

Telefoon: (optioneel)

Gewenst startmoment: (optioneel)

Aanmelden voor nieuwsbrief

Ik wil als eerste op de hoogte zijn van nieuw cursusaanbod en subsidies.

We slaan je gegevens op, en delen ze met D-Data, om je via e-mail en evt. telefoon verder te helpen. Meer info vind je in ons privacybeleid.