【Udemy中英字幕】Train Object Detection Models & build Android Applications

训练物体检测模型并构建 Android 应用程序

为 Android 训练对象检测模型 | 使用 Kotlin 在 Android 中使用对象检测 | Java | Android 应用开发

讲师：Mobile ML Academy by Hamza Asif

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 在适用于 Android 应用程序的自定义数据集上训练对象检测模型
• 在 Android 中使用图像和视频中现有的对象检测模型
• 了解 Android 应用开发中的 tflite (TensorFlow lite) 模型集成
• 在 Android 中将 YOLO 模型与图像和实时摄像机镜头结合使用
• 针对 Android 设备测试并优化经过训练的物体检测模型
• 收集并注释用于训练对象检测模型的数据集
• 在 Android 中使用带有图像和实时摄像机镜头的 SSD Mobilenet 模型
• 在 Android 中通过图像和实时摄像机镜头使用高效的 Det 模型
• 将对象检测模型转换为 TensorFlow Lite 格式
• 了解对象检测及其在 Android 应用开发中的应用
• 使用 Java 和 kotlin 构建 Android 应用程序

探索相关主题

• Android 开发
• 移动开发
• 发展

要求

• 拥有一些 Android 应用程序开发的基本知识将是一个优势

描述

如果您想为 Android 和 iOS 训练自定义对象检测模型，欢迎参加本课程。

在本课程中，你将学习

• 为 Android 和 IOS 训练自定义对象检测模型
• 在 Android（Java/Kotlin）中使用这些模型以及图像和实时摄像机镜头
• 在 Android 中使用现有的对象检测模型，如 YOLO、EfficientDet 和 MobileNet 模型（Java/Kotlin）

本课程的 Android 应用程序开发部分适用于java和kotlin编程语言。

因此，完成本课程后，你将能够

• 收集用于训练对象检测模型的数据集
• 使用不同的工具注释数据集
• 在 Android 和 IOS 的自定义数据集上训练对象检测模型（TensorFlow 对象检测）
• 将对象检测模型转换为tflite / Tensorflow lite格式
• 在 Android（Java/Kotlin）中使用这些转换后的模型以及图像和实时摄像机镜头
• 使用 Android（Java/Kotlin）中现有的对象检测模型，如YOLO v4、SSD EfficientDet 模型和SSD MobileNet 模型

即用型资源

该课程附带现成的代码，这意味着如果你有一个训练有素的对象检测模型，那么

• 您可以从课程资源中获取完整的 Android (Java/Kotlin) 应用程序代码
• 使用自定义模型替换对象检测模型
• 并将其用于您的自定义用例

如果你想在自定义用例中使用 Android 中现有的对象检测模型，那么

• 你可以从课程资源中获取完整的 android (Java/Kotlin) 应用程序代码
• 并根据您的需要进行定制

对于 IOS 开发人员来说有什么（对象检测 IOS）

因此，除了 Android 应用程序开发之外，如果您想为 IOS 应用程序训练自定义对象检测模型，那么您也可以参加本课程，但本课程不包括 IOS 应用程序中对象检测模型的集成

物体检测

对象检测是一种计算机视觉技术，可以让我们识别和定位图像或视频中的对象。

用例和应用程序

• 视频监控
• 人群计数
• 异常检测（例如农业和医疗保健等行业）
• 自动驾驶汽车

课程大纲

课程分为几个部分

数据收集和注释

在本节中，我们将介绍数据集收集和注释的基础知识，然后

• 我们将学习收集用于训练对象检测模型的数据集
• 之后，我们将学习使用 Roboflow 和其他类似工具注释该数据集

训练对象检测模型/Tensorflow 对象检测

• 我们将学习使用我们收集和注释的数据集来训练对象检测模型。

测试和转换

• 训练模型后，我们将对其进行测试以检查模型性能和准确性
• 然后我们将其转换为 tflite / Tensorflow lite 格式，以便我们可以在移动应用程序中使用它。

Android 应用程序开发（Android 对象检测）

在模型训练和转换之后，我们将学习在 Android 应用程序（Java/Kotlin）中使用该模型

• 图片
• 实时摄像机镜头/实时物体检测

使用图像进行对象检测（对象检测 Android 应用程序开发）

首先，我们将构建一个 Android（Java/Kotlin）应用程序，其中

• 用户可以从图库中选择图像或使用相机捕捉图像
• 然后这些图像将传递到我们的自定义对象检测模型
• 然后根据模型返回的结果，我们将在检测到的物体周围绘制矩形。

使用实时摄像机镜头进行物体检测 (物体检测 Android 应用程序开发)

其次，我们将构建一个 Android (Java/Kotlin) 应用程序，其中

• 我们将使用 camera 2 API 显示实时摄像机拍摄的画面
• 然后我们将实时摄像机拍摄的帧传递给我们的物体检测模型
• 并实时在检测到的物体周围绘制矩形

现有的对象检测模型（对象检测 Android 应用程序开发）

我们将学习在 Android (Java/Kotlin) 应用程序中使用现有的对象检测模型，包括图像和实时摄像头镜头。因此，在本部分中，我们将探索三种流行的对象检测模型系列，并在 Android (Java/Kotlin) 应用程序中使用它们。

• SSD MobileNet 模型
• 高效检测模型
• YOLO 模型

SSD MobileNet 模型

在本节中，我们将学习在 Android（Java/Kotlin）中使用 SSD MobileNet 模型以及图像和实时摄像机镜头。

首先，我们将了解 MobileNet 模型的结构，然后我们将使用 Android 中两个流行的 MobileNet 模型（Java/Kotlin），它们是

• SSD MobileNet V1
• SSD MobileNet v3

高效检测模型

在本节中，我们将学习在 Android（Java/Kotlin）中使用 EfficientDet 模型来处理图像和实时摄像机镜头。

首先，我们将了解 EfficientDet 模型的结构，然后我们将使用 Android 中的两个流行 EfficientDet 模型（Java/Kotlin），它们是

• EfficientDet Lite0
• EfficientDet Lite1
• EfficientDet Lite2
• EfficientDet Lite3

YOLO 模型 / YOLO 物体检测

在这个部分

• 我们将学习在 Android（Java/Kotlin）中使用最新的 YOLOV4 模型，以及图像和实时摄像机镜头
• 我们还将介绍 YOLO 模型结构以及如何在 YOLO 中有效处理输入和输出
• 我们将处理常规 YOLOV4 模型和 Android 中的微型 YOLOv4 模型与图像和实时摄像机镜头的集成。

因此，对于 Android 应用程序开发来说，这是一个完整的YOLO 对象检测包。

立即注册，期待：

• 高清 1080p 视频内容。
• 训练自定义对象检测模型
• 使用不同的对象检测模型构建成熟的 Android（Java / Kotlin）应用程序。
• 开始构建基于对象检测的 Android（Java / Kotlin）应用程序所需的所有知识
• Android（Java/Kotlin）应用程序的源代码售价 1000 美元以上。

请记住……我非常有信心您会喜欢这门课程，而且您还将获得 udemy 提供的 30 天退款保证。所以这完全是明智之举，今天就注册吧，零风险，一切尽在掌握。

那你还在等什么？点击立即购买按钮，加入世界上最好的物体检测课程。

本课程适合哪些人：

• 任何想要为 Android 应用开发 (Java/Kotlin) 训练对象检测模型的人
• 任何想要在 Android 应用开发（Java/Kotlin）中使用带有图像和实时摄像机镜头的对象检测模型的人
• 初级 Android 开发人员，对 Android 应用开发了解甚少
• 一名中级 Android 应用程序开发人员希望为 Android（Java/Kotlin）构建一款功能强大的基于机器学习的应用程序
• 经验丰富的 Android（Java/Kotlin）应用程序开发人员希望在他们的应用程序中使用机器学习模型。
• 机器学习专家希望在 Android 应用开发（Java/Kotlin）中使用他们的对象检测模型

本课程适合哪些人：

• 有人想训练自定义对象检测模型并构建移动应用程序
• Android 应用程序开发人员希望学习基于智能机器学习的 Android 开发
• 具有 Android 应用程序开发基础知识并希望构建基于智能机器学习的 Android 应用程序的学生
• 想要学习使用 Android 中现有的对象检测模型（YOLO、EfficientDet、mobileNet）的学生
• 机器学习工程师希望在 Android 应用开发中使用现有的对象检测模型

显示更多显示较少