英語版のUdemy講座、"Python for Computer Vision with OpenCV and Deep Learning"の受講を完了したので最初に立てた目標の達成具合、自己評価や、コースをやり終えての感想をまとめる。 目次１、受講前のゴールイメージとスケジュールの確認 ２、講義に関して ３、次回に受講に生かしたいこと。教訓とか 受講前のゴールイメージとスケジュールの確認 ■受講前のゴールイメージとスケジュールの確認 ・NumPy..

進捗 93%（+6%） 順調。 結局、CIFAR-10でエラーになる件はその後の講義にも影響があるため、対処を行うことにした。 ■セクション8：画像認識のためのディープラーニング（続き） ・エラーになる件の対処 　OSを変更してMacで試してみたところ、動作することは確認できた。 　学習済のモデルも用意されてはいるが、初めてなので実際の学習を行ってみた。すると、CIFAR-10の講義の学習を行うだけで４時間以上かかっている。マシーンが古く非..

進捗 87%（+15%） 想定外に非常に順調。 コーディングは非常に単純になっている。特につっかえるところもなくあっという間にディープラーニングの結果が得られる。 ■セクション8：画像認識のためのディープラーニング（続き） ・ディープラーニング理論 　基本から勉強をスタート。ニューロンの仕組みから入り、次に活性化関数のシグモイド関数やRuLUを学ぶ。続いて、コスト関数であるQuadratic Cost, Cross Entropyなどを学ぶ。..

進捗 72%（+8%） 順調。 早く進むのは良いのだが、その分、理解が追いついてない気がする。 結局、動画の部分はカメラを使用せずに済ます方向だ。 ■セクション7：オブジェクトトラッキング ・Optical flow 　cv2.goodFeaturesToTrackで検出したコーナーに対して、トラッキングを行い、その軌跡を描画する。 　初めに検出したコーナーに対して、位相を計算して、軌跡を描画しているので、長時間トラッキング対象が動く..

進捗 64%（+10%） 順調。 1つ１つの講義の動画は長めだが、サクサクと消化している。 画像認識の中心の部分に入ってきているので進めていて楽しい！ ■セクション6：物体検出 ・Watershedアルゴリズム 閾値処理で分離すると対象オブジェクトが重なっている場合に１つ１つのオブジェクトの分離ができないが、このアルゴリズムを使用することで１つ１つのオブジェクトへの分離が可能だ。 https://docs.opencv.org/3..

進捗 54%（+9%） 順調。 しばらくは動画の画像認識はないようなので、Macのセットアップはほっておく。 画像認識の勉強はAPIをコールしながらも、多重ループを使ったり、複雑なAPI呼び出しを繰り返したりというのを想像していたのだが、OpenCVを使ったものはまったく違う感じだ。 ■セクション６：物体検出 ・テンプレートマッチング テンプレートマッチングの複数のアルゴリズムを試して比較を行う。うーん、matchTemplate関数を一回..