This course features Coursera Coach! A smarter way to learn with interactive, real-time conversations that help you test your knowledge, challenge assumptions, and deepen your understanding as you progress through the course.
This comprehensive course introduces you to the YOLO-NAS + v8 model and its integration into real-world applications. You’ll gain hands-on experience in using YOLO-NAS + v8 for object detection, training custom models, and deploying solutions across different platforms, from cloud services to mobile devices.
Learn how to transition from YOLOv8 to YOLO-NAS, refine object detection capabilities, and integrate advanced tracking techniques with algorithms like DeepSORT and Bytetrack. The course takes you on a journey through every aspect of YOLO-NAS + v8, from setting up the environment on various platforms, fine-tuning models for specific needs, and exploring use cases such as waste sorting detection and safety compliance.
You’ll also learn model conversion techniques and deploy solutions on Docker, Jetson NANO, and even mobile devices using Kivy. Whether you're looking to enhance your computer vision skills or integrate AI into mobile and web apps, this course caters to all levels of learners.
If you're a developer, data scientist, or researcher, this course will provide you with the necessary tools to create sophisticated AI-driven applications across a wide range of industries.
- Introduction à YOLO-NAS + v8
Dans ce module, nous vous présenterons YOLO-NAS + v8, en explorant ses avancées et ses fonctionnalités par rapport aux versions précédentes. Vous apprendrez comment configurer et exécuter YOLO-NAS + v8 sur différentes plateformes, y compris Google Colab. Le module couvre également les cas d'utilisation essentiels, les applications pratiques et les techniques pour affiner les modèles pré-entraînés pour des performances optimales.
- Entraînement d'un YOLO-NAS + v8 personnalisé
Dans ce module, nous vous guiderons à travers le processus complet d'entraînement de YOLO-NAS + v8, depuis la compréhension du flux de travail d'entraînement jusqu'au travail avec des ensembles de données personnalisés. Vous apprendrez des techniques clés comme le prétraitement et l'augmentation des données, explorerez des applications réelles comme la détection de tri des déchets, et maîtriserez l'utilisation de Roboflow pour rationaliser l'entraînement, le test et le déploiement des modèles. À la fin de ce module, vous serez équipé pour gérer des projets personnalisés avec plus de facilité et d'efficacité.
- Suivi d'objets avec YOLO-NAS + v8
Dans ce module, nous vous présenterons le suivi multi-objets (MOT) et comment il peut être amélioré en intégrant YOLO-NAS + v8 avec des algorithmes de suivi comme DeepSORT, Bytetrack, et FairMOT. Vous apprendrez également comment appliquer YOLO-NAS + v8 pour suivre des objets dans des environnements difficiles et créer un tableau de bord de suivi et d'analyse en temps réel en utilisant Streamlit. À la fin de ce module, vous aurez les compétences pour implémenter des solutions robustes de suivi d'objets dans diverses applications réelles.
- Conversion de modèles
Dans ce module, nous vous guiderons à travers les étapes essentielles de la conversion des modèles PyTorch en divers formats, tels que CoreML, OpenVino, TensorFlow, et TensorRT. Vous apprendrez à préparer l'environnement pour la conversion de modèles et comprendrez les exigences spécifiques pour déployer les modèles dans différents écosystèmes. À la fin de ce module, vous serez compétent dans la conversion des modèles pour des performances optimisées sur diverses plateformes matérielles.
- Intégration avec Flask
Dans ce module, nous vous guiderons à travers le processus de configuration d'une application Flask et l'intégration du modèle YOLO-NAS + v8 pour créer des solutions IA basées sur le web. Vous apprendrez également à concevoir des interfaces frontales intuitives permettant aux utilisateurs d'interagir de manière transparente avec vos modèles IA. À la fin de ce module, vous serez équipé pour créer des applications IA full-stack en utilisant Flask.
- Applications Flask avec YOLO-NAS + v8
Dans ce module, nous explorerons diverses applications pratiques de YOLO-NAS + v8 au sein des applications Flask. De la génération de cartes de chaleur pour le commerce de détail à l'assurance de la conformité en matière de sécurité dans l'industrie minière et à la détection des dangers environnementaux tels que les déchets plastiques et la fumée, vous apprendrez comment exploiter Flask pour construire des solutions en temps réel pilotées par l'IA. De plus, vous découvrirez le monde créatif du jeu en développant un aimbot CS-GO avec YOLO-NAS + v8. À la fin de ce module, vous aurez une solide formation pour déployer YOLO-NAS + v8 dans des applications réelles dans différentes industries.
- Développement mobile utilisant Kivy
Dans ce module, nous vous guiderons à travers le processus complet du développement d'application mobile en utilisant Kivy, de la configuration initiale au déploiement d'une application pleinement fonctionnelle. Vous apprendrez à intégrer le modèle YOLO-NAS + v8 pour la détection d'objets mobiles, à le convertir en TensorFlow Lite pour des performances optimisées, et à créer des interfaces utilisateur attrayantes avec des widgets et des boutons. En outre, nous couvrirons les étapes importantes de déploiement, de test et de débogage, garantissant que votre application Kivy fonctionne sans problème sur différents appareils. À la fin de ce module, vous serez équipé pour concevoir et déployer des applications mobiles sophistiquées avec des capacités IA avancées.
- Applications mobiles
Dans ce module, nous vous guiderons à travers le développement d'applications mobiles en mettant l'accent sur des solutions pratiques basées sur l'IA. Vous apprendrez à utiliser des flux vidéo en temps réel pour le comptage de personnes, à créer un scanner de documents avec Easy-OCR, et à explorer la reconnaissance de la langue des signes pour améliorer la communication. En outre, nous vous montrerons comment intégrer des widgets de graphiques à barres pour une visualisation dynamique des données dans vos applications. À la fin de ce module, vous serez équipé pour développer de puissantes applications mobiles qui tirent parti de la vision par ordinateur et de la visualisation des données pour divers cas d'utilisation.
- Segmentation d'objets
Dans ce module, nous plongerons dans les éléments essentiels de la segmentation d'objets, en vous enseignant comment configurer et optimiser des modèles pour des performances élevées. Vous explorerez des techniques efficaces de collecte de données, d'annotation et d'augmentation, avec des applications spécialisées comme la détection de fissures. De plus, vous apprendrez à entraîner des modèles de segmentation sur des GPU, à les déployer pour une utilisation en temps réel, et à les améliorer en intégrant YOLO-NAS avec la segmentation SAM pour une précision supérieure. À la fin de ce module, vous serez équipé pour relever des tâches de segmentation complexes dans une variété d'industries.
- Déploiement de YOLO-NAS pour Docker
Dans ce module, nous vous guiderons à travers le déploiement de YOLO-NAS dans Docker, en veillant à ce que vos modèles IA fonctionnent efficacement dans des environnements isolés et évolutifs. De plus, vous apprendrez comment déployer YOLO-NAS sur la plateforme Jetson NANO, en vous concentrant sur l'optimisation des performances pour les scénarios de calcul en périphérie. À la fin de ce module, vous serez compétent pour configurer et déployer YOLO-NAS sur différentes plateformes pour des applications IA réelles.
- Contenu Bonus
Dans ce module, nous vous présenterons un contenu bonus passionnant qui élargira vos connaissances en IA. Vous plongerez dans le projet VegGPT, en explorant l'utilisation des modèles GPT en agriculture, et resterez à jour sur les dernières améliorations de YOLOv8, en particulier concernant les améliorations de précision des boîtes de délimitation des objets. Ce contenu vous fournira des insights à la pointe pour améliorer vos applications de vision par ordinateur.
