Beeldherkenning met YOLO

In deze praktijkgerichte cursus maak je kennis met de kernconcepten van objectdetectie, zoals bounding boxes, Intersection over Union (IoU) en mean Average Precision (mAP). Je leert hoe YOLO werkt, hoe je pre-trained modellen inzet en hoe je eigen modellen traint met geannoteerde datasets. Daarnaast ga je hands-on aan de slag met OpenCV voor beeldbewerking en real-time detectie. Aan het einde van de dag heb je een volledig getraind model dat je kunt toepassen op je eigen data en projecten.

Wat je leert

• Basisprincipes van objectdetectie en het verschil met classificatie en segmentatie.

• Werken met YOLO en OpenCV.

• Annoteren van afbeeldingen en het opzetten van datasets.

• Trainen van eigen YOLO-modellen met Ultralytics en Roboflow.

• Evalueren van modelprestaties met IoU en mAP.

Na deze cursus kun je:

• Zelf een YOLO-model trainen en toepassen op nieuwe beelden of video’s.

• Annotaties maken en datasets structureren voor objectdetectie.

• Objectdetectie integreren in je eigen applicaties of analyse-pijplijnen.

Voor wie

• Data scientists.

• AI-engineers.

• Developers die praktisch aan de slag willen met computer vision en objectdetectie.

Voorkennis

• Basiskennis van Python is gewenst.

• Enige ervaring met machine learning of AI-tools is een plus, maar niet verplicht.

Inhoud (globaal programma)

Deel 1

• Introductie tot computer vision en objectdetectie.

• Verschil tussen classificatie, detectie en segmentatie.

Deel 2

• Kernconcepten: bounding boxes, IoU en mAP.

• Evaluatie van objectdetectiemodellen.

Deel 3

• Werken met YOLO en Ultralytics.

• Gebruik van pre-trained modellen en modelconfiguraties.

Deel 4

• Datasets en annotaties.

• Afbeeldingen annoteren, datasets opzetten en Roboflow gebruiken.

Deel 5

• Eigen YOLO-model trainen.

• Training, valideren en optimaliseren van modelprestaties.

Deel 6

• OpenCV en real-time detectie.

• Beeldbewerking, video-input en live objectdetectie.

Deel 7

• Toepassen op eigen data.

• Integratie in projecten, bespreken van use cases en Q&A.