آموزش بینایی کامپیوتر مدرن با GPT، PyTorch، Keras، OpenCV4 در سال ۲۰۲۴! - آخرین آپدیت

دانلود Modern Computer Vision GPT, PyTorch, Keras, OpenCV4 in 2024!

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

پیش به سوی بینایی کامپیوتر نسل جدید: YOLOv8، DINO-GPT4V، OpenCV4، تشخیص چهره، هوش مصنوعی مولد، مدل‌های انتشار و ترنسفورمرها

یادگیری کامل تئوری و مفاهیم کلیدی بینایی کامپیوتر (به‌روز شده در اواخر سال ۲۰۲۳!)

کسب مهارت در استفاده از PyTorch، TensorFlow 2.0 و Keras برای وظایف یادگیری عمیق در بینایی کامپیوتر

YOLOv8: تشخیص اشیاء پیشرفته

DINO-GPT4V: مدل‌های بینایی نسل جدید

یادگیری تمامی چارچوب‌های مهم تشخیص اشیاء از YOLOv8، R-CNNها، Detectron2، SSDها، EfficientDetect و موارد دیگر!

بخش‌بندی عمیق با Segment Anything، U-Net، SegNet و DeepLabV3

درک نحوه "دیدن" شبکه‌های عصبی کانولوشنال (CNN) با تجسم فعال‌سازی‌های مختلف و به‌کارگیری GradCAM

شبکه‌های مولد تخاصمی (GAN) و خودرمزگذارها (Autoencoders) - تولید ارقام، شخصیت‌های انیمه، تبدیل سبک‌ها و پیاده‌سازی وضوح فوق‌العاده

آموزش، تنظیم دقیق و تحلیل طبقه‌بندی‌کننده‌های شخصی شما

تشخیص چهره همراه با تشخیص جنسیت، سن، احساسات و قومیت

انتقال سبک عصبی (Neural Style Transfer) و Google Deep Dream

یادگیری انتقالی (Transfer Learning)، تنظیم دقیق (Fine Tuning) و تکنیک‌های پیشرفته CNN

طرح‌های مهم CNN مدرن مانند ResNets، InceptionV3، DenseNet، MobileNet، EfficientNet و بسیاری موارد دیگر!

ردیابی با DeepSORT

شبکه‌های سیامی (Siamese Networks)، تشخیص و تحلیل چهره (سن، جنسیت، احساسات و قومیت)

توضیح تصویر (Image Captioning)، تخمین عمق (Depth Estimation) و ترنسفورمرهای بینایی (Vision Transformers)

طبقه‌بندی و بخش‌بندی داده‌های سه‌بعدی (Point Cloud)

ساخت API بینایی کامپیوتر و برنامه وب با استفاده از Flask

OpenCV4 به‌طور مفصل، پوشش تمامی مفاهیم کلیدی با کدهای مثال فراوان

تمامی کدهای دوره در نوت‌بوک‌های همراه Google Colab Python کار می‌کنند

Meta CLIP برای تحلیل پیشرفته تصویر

پیش‌نیازها:

  • بدون نیاز به تجربه برنامه‌نویسی (کسب تجربه با پایتون مفید خواهد بود)
  • ریاضیات پایه دبیرستان
  • اتصال اینترنت پرسرعت

به بینایی کامپیوتر مدرن با TensorFlow، Keras و PyTorch خوش آمدید!

هوش مصنوعی و یادگیری عمیق در حال تحول صنایع هستند و یکی از جذاب‌ترین بخش‌های این انقلاب هوش مصنوعی، در حوزه بینایی کامپیوتر است!

به‌روزرسانی برای سال ۲۰۲۴: دوره جامع بینایی کامپیوتر مدرن

  • با هیجان آخرین به‌روزرسانی‌ها را برای دوره جامع بینایی کامپیوتر مدرن ۲۰۲۴ خود ارائه می‌دهیم. به یک برنامه درسی غنی شده شیرجه بزنید که پیشرفته‌ترین و مرتبط‌ترین موضوعات در این زمینه را پوشش می‌دهد:
  • YOLOv8: تشخیص اشیاء پیشرفته
  • DINO-GPT4V: مدل‌های بینایی نسل جدید
  • Meta CLIP برای تحلیل پیشرفته تصویر
  • Detectron2 برای تشخیص اشیاء
  • Segment Anything
  • فناوری‌های تشخیص چهره
  • شبکه‌های هوش مصنوعی مولد برای تصویرسازی خلاقانه
  • ترنسفورمرها در بینایی کامپیوتر
  • استقرار و تولید مدل‌های بینایی
  • مدل‌های انتشار (Diffusion Models) برای پردازش تصویر
  • تولید تصویر و کاربردهای آن
  • استراتژی حاشیه‌نویسی (Annotation Strategy) برای یادگیری کارآمد
  • تولید تقویت‌شده بازیابی (RAG)
  • طبقه‌بندی‌کننده‌های بدون شات (Zero-Shot) برای کاربردهای همه‌کاره
  • استفاده از Roboflow: ساده‌سازی گردش کارهای بینایی

بینایی کامپیوتر چیست؟

اما بینایی کامپیوتر دقیقاً چیست و چرا اینقدر هیجان‌انگیز است؟ خب، اگر کامپیوترها بتوانند آنچه را که از طریق دوربین‌ها یا تصاویر می‌بینند، درک کنند چه؟ کاربردهای چنین فناوری بی‌شمار است از تصویربرداری پزشکی، نظامی، خودروهای خودران، نظارت امنیتی، تحلیل، ایمنی، کشاورزی، صنعت و تولید! لیست بی‌نهایت است.

تقاضا برای کارشناسان بینایی کامپیوتر سر به فلک کشیده است و معمولاً متخصصان این حوزه حقوق‌هایی بالغ بر ۲۰۰,۰۰۰ دلار آمریکا و بیشتر دریافت می‌کنند. با این حال، شروع کار در این زمینه آسان نیست. حجم زیادی از اطلاعات وجود دارد که بسیاری از آن‌ها منسوخ شده‌اند، و انبوهی از آموزش‌ها که از آموزش مبانی غفلت می‌کنند. بنابراین، مبتدیان نمی‌دانند از کجا شروع کنند.

این دوره با هدف حل تمام این مشکلات طراحی شده است!

  • آموزش با استفاده از نوت‌بوک‌های Google Colab (بدون نصب‌های دردسرساز، همه کدها بلافاصله کار می‌کنند)
  • بیش از ۲۷ ساعت تئوری به‌روز و مرتبط بینایی کامپیوتر همراه با کدهای مثال
  • آموزش با استفاده از PyTorch و Tensorflow Keras!

در این دوره، مبانی ضروری بینایی کامپیوتر، بینایی کامپیوتر کلاسیک (با استفاده از OpenCV) را یاد خواهید گرفت و سپس به سمت یادگیری عمیق می‌رویم که در آن دانش پایه‌ای CNNها را می‌سازیم و همه چیز را در مورد موضوعات زیر یاد می‌گیریم:

کاربردهای بینایی کامپیوتر با یادگیری عمیق در حال رونق است!

داشتن ماشین‌هایی که می‌توانند ببینند دنیای ما را تغییر خواهد داد و تقریباً هر صنعتی را متحول خواهد کرد. ماشین‌ها یا ربات‌هایی که می‌توانند ببینند قادر خواهند بود:

  • جراحی انجام دهند و شما را از طریق اسکن‌های پزشکی به‌طور دقیق تحلیل و تشخیص دهند.
  • خودروهای خودران را فعال کنند.
  • ربات‌ها را به‌طور ریشه‌ای تغییر دهند و به ما اجازه دهند ربات‌هایی بسازیم که می‌توانند آشپزی کنند، تمیز کنند و تقریباً در هر کاری به ما کمک کنند.
  • آنچه در ویدئوهای نظارتی CCTV دیده می‌شود را درک کنند و بنابراین خدمات امنیتی، مدیریت ترافیک و مجموعه‌ای از خدمات دیگر را انجام دهند.
  • با انتقال سبک عصبی شگفت‌انگیز و انواع دیگر تولید تصویر نوآورانه، هنر خلق کنند.
  • وظایف بسیاری مانند شبیه‌سازی پیری چهره‌ها، اصلاح فیدهای ویدئویی زنده و جایگزینی واقعی بازیگران در فیلم‌ها را انجام دهند.

راهنمای جامع OpenCV شامل:

  • عملیات و دستکاری تصاویر
  • کانتورها و بخش‌بندی
  • تشخیص و ردیابی ساده اشیاء
  • لندمارک‌های چهره، تشخیص چهره و جابجایی چهره (Face Swaps)
  • پیاده‌سازی‌های OpenCV از انتقال سبک عصبی، YOLOv3، SSDها و یک رنگ‌کننده تصاویر سیاه و سفید
  • کار با ویدئو و استریم‌های ویدئویی

سرفصل‌های جامع یادگیری عمیق ما شامل:

  • طبقه‌بندی با CNNها
  • مرور مفصل تحلیل CNN، تجسم عملکرد، تکنیک‌های پیشرفته CNN
  • یادگیری انتقالی و تنظیم دقیق
  • شبکه‌های مولد تخاصمی - CycleGAN، ArcaneGAN، SuperResolution، StyleGAN
  • خودرمزگذارها
  • انتقال سبک عصبی و Google DeepDream
  • معماری‌های مدرن CNN از جمله ترنسفورمرهای بینایی (ResNets، DenseNets، MobileNET، VGG19، InceptionV3، EfficientNET و ViTs)
  • شبکه‌های سیامی برای شباهت تصویر
  • تشخیص چهره (سن، جنسیت، احساسات، قومیت)
  • PyTorch Lightning
  • تشخیص اشیاء با YOLOv5 و v4، EfficientDetect، SSDها، Faster R-CNNها
  • بخش‌بندی عمیق - MaskCNN، U-NET، SegNET و DeepLabV3
  • ردیابی با DeepSORT
  • تولید دیپ‌فیک (Deep Fake Generation)
  • طبقه‌بندی ویدئو
  • تشخیص نوری کاراکتر (OCR)
  • توضیح تصویر (Image Captioning)
  • بینایی کامپیوتر سه‌بعدی با استفاده از داده‌های Point Cloud
  • تصویربرداری پزشکی - تحلیل اشعه ایکس و اسکن‌های CT
  • تخمین عمق
  • ساخت API بینایی کامپیوتر با Flask
  • و موارد بسیار بیشتر

این یک دوره جامع است که به دو بخش اصلی تقسیم شده است. بخش اول یک آموزش مفصل OpenCV (بینایی کامپیوتر کلاسیک) و بخش دوم یک آموزش مفصل یادگیری عمیق است.

این دوره مملو از پروژه‌های سرگرم‌کننده و جالب از جمله پروژه‌های زیر در بینایی کامپیوتر کلاسیک:

  1. مرتب‌سازی کانتورها بر اساس اندازه، مکان، استفاده از آن‌ها برای تطبیق شکل
  2. پیدا کردن والدو
  3. تبدیلات پرسپکتیو (مانند CamScanner)
  4. شباهت تصویر
  5. خوشه‌بندی K-Means برای رنگ‌های تصویر
  6. ردیابی حرکت با MeanShift و CAMShift
  7. جریان نوری (Optical Flow)
  8. تشخیص لندمارک چهره با Dlib
  9. جابجایی چهره (Face Swaps)
  10. خواندن کدهای QR و بارکد
  11. حذف پس‌زمینه
  12. تشخیص متن
  13. OCR با PyTesseract و EasyOCR
  14. رنگ‌آمیزی عکس‌های سیاه و سفید
  15. عکاسی محاسباتی با Inpainting و حذف نویز
  16. ایجاد طرح (Sketch) از خود با استفاده از تشخیص لبه
  17. استریم‌های RTSP و IP
  18. ضبط اسکرین‌شات‌ها به عنوان ویدئو
  19. وارد کردن مستقیم ویدئوهای یوتیوب

پروژه‌های یادگیری عمیق بینایی کامپیوتر:

  1. آموزش CNN با PyTorch و Keras برای MNIST
  2. تحلیل طبقه‌بندی‌های اشتباه و عملکرد مدل با PyTorch و Keras
  3. Fashion-MNIST با PyTorch و Keras با و بدون منظم‌سازی
  4. تجسم CNN - تجسم فیلتر و فعال‌سازی فیلتر
  5. تجسم CNN - حداکثرسازی فیلتر و کلاس
  6. تجسم CNN - GradCAM، GradCAM++ و FasterScoreCAM
  7. بازسازی LeNet و AlexNet در Tensorflow 2.0 با استفاده از Keras
  8. مدل‌های از پیش آموزش‌دیده PyTorch و Keras - ۱ - VGG16، ResNet، Inceptionv3، MobileNetv2، SqueezeNet، WideResNet، DenseNet201، MobileMNASNet، EfficientNet و MNASNet
  9. دقت Rank-1 و Rank-5
  10. پروژه گربه‌ها در مقابل سگ‌ها با PyTorch و Keras - آموزش با داده‌های خود شما
  11. آموزش PyTorch Lightning - انتخاب بچ (Batch) و نرخ یادگیری (LR)، Tensorboards، Callbacks، mGPU، TPU و موارد دیگر
  12. PyTorch Lightning - یادگیری انتقالی
  13. یادگیری انتقالی و تنظیم دقیق با PyTorch و Keras
  14. استفاده از CNNها به عنوان استخراج‌کننده ویژگی با PyTorch و Keras
  15. Google Deep Dream با PyTorch و Keras
  16. انتقال سبک عصبی با PyTorch Keras + مدل‌های TF-HUB
  17. خودرمزگذارها با PyTorch و Keras با استفاده از مجموعه داده Fashion-MNIST
  18. شبکه‌های مولد تخاصمی (GAN) با PyTorch و Keras - DCGAN - MNIST
  19. SRGAN وضوح فوق‌العاده با Keras
  20. پروژه - تولید انیمه با StyleGAN
  21. CycleGAN - تبدیل اسب‌ها به گورخرها
  22. استنتاج ArcaneGAN
  23. شبکه‌های سیامی با PyTorch و Keras
  24. تشخیص چهره با VGGFace در Keras
  25. شباهت چهره با FaceNet در PyTorch
  26. DeepFace - سن، جنسیت، احساسات، زاویه سر و تشخیص چهره
  27. تشخیص اشیاء - تشخیص اسلحه، تپانچه - Scaled-YOLOv4
  28. تشخیص اشیاء - تشخیص ماسک - TensorFlow Object Detection - MobileNetV2 SSD
  29. تشخیص اشیاء - تشخیص زبان اشاره - TFODAPI - EfficientDetD0-D7
  30. تشخیص اشیاء - تشخیص گودال با TinyYOLOv4
  31. تشخیص اشیاء - تشخیص نوع قارچ - Detectron 2
  32. تشخیص اشیاء - تشخیص منطقه اسکرین‌شات وب‌سایت - YOLOv4-Darknet
  33. تشخیص اشیاء - تشخیص دریایی با پهپاد - Tensorflow Object Detection Faster R-CNN
  34. تشخیص اشیاء - تشخیص مهره‌های شطرنج - YOLOv3 PyTorch
  35. تشخیص اشیاء - تشخیص کلاه ایمنی برای سایت‌های ساختمانی - EfficientDet-v2
  36. تشخیص اشیاء سلول‌های خونی با YOLOv5
  37. تشخیص اشیاء گیاهان با YOLOv5
  38. بخش‌بندی تصویر - Keras، U-Net و SegNet
  39. DeepLabV3 - PyTorch_Vision_Deeplabv3
  40. دموی Mask R-CNN
  41. Detectron2 - Mask R-CNN
  42. آموزش Mask R-CNN - اشکال
  43. آموزش PyTorch DeepSort با Yolov5
  44. دیپ‌فیک - اولین مدل اولویت demo
  45. آموزش ترنسفورمر بینایی PyTorch
  46. طبقه‌بندی‌کننده ترنسفورمر بینایی در Keras
  47. طبقه‌بندی تصویر با BigTransfer (BiT)
  48. تخمین عمق با Keras
  49. جستجوی شباهت تصویر با یادگیری متریک با Keras
  50. توضیح تصویر با Keras
  51. طبقه‌بندی ویدئو با معماری CNN-RNN با Keras
  52. طبقه‌بندی ویدئو با ترنسفورمرها با Keras
  53. طبقه‌بندی Point Cloud - PointNet
  54. بخش‌بندی Point Cloud با PointNet
  55. طبقه‌بندی تصویر سه‌بعدی CT-Scan
  56. طبقه‌بندی ذات‌الریه در اشعه ایکس با استفاده از TPUs
  57. بهبود تصویر در نور کم با MIRNet
  58. کرکر OCR کپچا
  59. Flask Rest API - سرور و برنامه وب Flask
  60. Detectron2 - BodyPose

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه دوره Course Introduction

  • مرور کلی دوره Course Overview

  • چه چیزی بینایی کامپیوتر را دشوار می کند What Makes Computer Vision Hard

  • تصاویر چه هستند؟ What are Images?

دانلود کد و راه اندازی Colab Download Code and Setup Colab

  • دانلود منابع دوره Download Course Resources

  • راه اندازی - دانلود کد و پیکربندی Colab Setup - Download Code and Configure Colab

OpenCV - عملیات تصویر OpenCV - Image Operations

  • شروع با OpenCV4 Getting Started with OpenCV4

  • تبدیل تصاویر به مقیاس خاکستری Grayscaling Images

  • فضاهای رنگی - RGB و HSV Colour Spaces - RGB and HSV

  • ترسیم روی تصاویر Drawing on Images

  • تبدیلات - جابجایی و چرخش Transformations - Translations and Rotations

  • مقیاس گذاری، تغییر اندازه، درون یابی و برش Scaling, Re-sizing, Interpolations and Cropping

  • عملیات حسابی و بیتی Arithmetic and Bitwise Operations

  • کانولوشن‌ها، تار کردن و تیز کردن تصاویر Convolutions, Blurring and Sharpening Images

  • آستانه گذاری، باینری سازی و آستانه گذاری تطبیقی Thresholding, Binarization & Adaptive Thresholding

  • انبساط، فرسایش و تشخیص لبه Dilation, Erosion and Edge Detection

OpenCV - تقسیم‌بندی تصویر OpenCV - Image Segmentation

  • کانتورها - ترسیم، سلسله مراتب و حالت‌ها Contours - Drawing, Hierarchy and Modes

  • لحظه‌ها، مرتب سازی، تقریب و تطابق کانتورها Moments, Sorting, Approximating and Matching Contours

  • تشخیص خط، دایره و لکه Line, Circle and Blob Detection

  • شمردن دایره‌ها، بیضی‌ها و پیدا کردن والدو با تطابق الگو Counting Circles, Ellipses and Finding Waldo with Template Matching

  • پیدا کردن گوشه‌ها Finding Corners

OpenCV - طبقه‌بندهای آبشاری هار OpenCV - Haar Cascade Classifiers

  • تشخیص چهره و چشم با طبقه‌بندهای آبشاری هار Face and Eye Detection with Haar Cascade Classifiers

  • تشخیص خودرو و عابر پیاده Vehicle and Pedestrian Detection

OpenCV - تحلیل و تبدیل تصویر OpenCV - Image Analysis and Transformation

  • تبدیلات پرسپکتیو Perspective Transforms

  • هیستوگرام‌ها و خوشه‌بندی K-Means برای رنگ‌های غالب Histograms and K-Means Clustering for Dominant Colors

  • مقایسه تصاویر MSE و شباهت ساختاری Comparing Images MSE and Structual Similarity

  • فیلتر کردن بر اساس رنگ Filtering on Colour

  • الگوریتم حوضچه تقسیم‌بندی تصویر مبتنی بر نشانگر Watershed Algorithm Marker-Dased Image Segmentation

  • تفکیک پس‌زمینه و پیش‌زمینه Background and Foreground Subtraction

OpenCV - ردیابی حرکت و اشیاء OpenCV - Motion and Object Tracking

  • ردیابی حرکت با Mean Shift و CAMSHIFT Motion Tracking with Mean Shift and CAMSHIFT

  • ردیابی اشیاء با جریان نوری Object Tracking with Optical Flow

  • ردیابی ساده اشیاء با رنگ Simple Object Tracking by Color

OpenCV - تشخیص نقاط عطف صورت و تعویض چهره OpenCV - Facial Landmark Detection & Face Swaps

  • تشخیص نقاط عطف صورت با Dlib Facial Landmark Detection with Dlib

  • تعویض چهره با Dlib Face Swapping with Dlib

پروژه‌های OpenCV OpenCV Projects

  • جلوه‌های شیفت تیلت Tilt Shift Effects

  • الگوریتم GrabCut برای حذف پس‌زمینه GrabCut Algorithm for Background Removal

  • OCR با PyTesseract و EasyOCR (تشخیص متن) OCR with PyTesseract and EasyOCR (Text Detection)

  • تولید و خواندن بارکد، QR کد Barcode, QR Generation and Reading

  • YOLOv3 در OpenCV YOLOv3 in OpenCV

  • انتقال سبک عصبی با OpenCV Neural Style Transfer with OpenCV

  • SSD ها در OpenCV SSDs in OpenCV

  • رنگ آمیزی عکس‌های سیاه و سفید با استفاده از مدل Caffe در OpenCV Colorize Black and White Photos using a Caffe Model in OpenCV

  • Inpainting برای بازیابی عکس‌های آسیب دیده Inpainting to Restore Damaged Photos

  • افزودن و حذف نویز و رفع کنتراست با همسان‌سازی هیستوگرام Add and Remove Noise and Fix Contrast with Histogram Equalization

  • تشخیص تاری در تصاویر Detect Blur in Images

  • تشخیص چهره Facial Recognition

OpenCV - کار با ویدئو OpenCV - Working With Video

  • استفاده از وب کم خود و ایجاد طرحی زنده از خودتان Using Your Webcam and Creating a Live Sketch of Yourself

  • باز کردن فایل‌های ویدئویی در OpenCV Opening Video Files in OpenCV

  • ذخیره یا ضبط ویدئوها در OpenCV Saving or Recording Videos in OpenCV

  • جریان‌های ویدئویی و CCTV - RTSP و IP Video Streams and CCTV - RTSP and IP

  • اتصال مجدد خودکار به جریان‌های ویدئویی Auto Reconnect to Video Streams

  • ضبط ویدئو با استفاده از اسکرین شات Capturing Video using Screenshots

  • وارد کردن ویدئوهای یوتیوب در OpenCV Importing YouTube Videos into OpenCV

انقلاب بینایی کامپیوتر ChatGPT4 و ترنسفورمرها ChatGPT4's Computer Vision Revolution and Transformers

  • مقدمه ای بر ChatGPT Introduction to ChatGPT

  • چرا ترنسفورمرها همه چیز را تغییر دادند! Why Transformers Changed Everything!

  • ChatGPT4 برای کاربردهای بینایی کامپیوتر ChatGPT4 for Computer Vision Applications

  • درک Embeddings و RAG Understanding Embeddings and RAG

  • آینده هوش مصنوعی مولد Future of Generative AI

GPT4V - مدل‌های بینایی نسل بعدی DINO-GPT4V (به‌روزرسانی 2023) GPT4V - DINO-GPT4V: Next-Gen Vision Models (2023 Update)

  • مقدمه ای بر DINO-GPT4V Introduction to DINO-GPT4V

  • استفاده از DINO-GPT4V در Hugging Face Use DINO-GPT4V on Hugging Face

  • DINO-GPT4-V: استفاده از GPT-4V در مدل تشخیص دو مرحله‌ای DINO-GPT4-V: Use GPT-4V in a Two-Stage Detection Model

MetaCLIP - مقایسه تصاویر MetaCLIP - Comparing Images

  • نحوه استفاده از MetaCLIP How to use MetaCLIP

  • کاغذ Meta Clip توضیح داده شد - شفاف سازی داده‌های CLIP Meta Clip Paper Explaiend - Demystifying CLIP Data

مقدمه‌ای بر یادگیری عمیق در بینایی کامپیوتر Deep Learning in Computer Vision Introduction

  • مقدمه‌ای بر شبکه‌های عصبی کانولوشنال Introduction to Convolution Neural Networks

  • کانولوشن‌ها Convolutions

  • تشخیص دهنده‌های ویژگی Feature Detectors

  • کانولوشن‌های سه بعدی و تصاویر رنگی 3D Convolutions and Color Images

  • اندازه کرنل و عمق Kernel Size and Depth

  • Padding Padding

  • گام (Stride) Stride

  • توابع فعال سازی Activation Functions

  • Pooling Pooling

  • لایه‌های کاملاً متصل Fully Connected Layers

  • Softmax Softmax

  • ترکیب شبکه عصبی کانولوشنال شما Putting Together Your Convolutional Neural Network

  • تعداد پارامترها در CNN ها Parameter Counts in CNNs

  • چرا CNN ها روی تصاویر اینقدر خوب عمل می کنند Why CNNs Work So Well On Images

  • آموزش یک CNN Training a CNN

  • توابع زیان (Loss Functions) Loss Functions

  • انتشار به عقب (Backpropagation) Backpropagation

  • نزول گرادیان (Gradient Descent) Gradient Descent

  • بهینه‌سازها و زمان‌بندی نرخ یادگیری Optimisers and Learning Rate Schedules

  • مرور کلی یادگیری عمیق CNN Deep Learning CNN Recap

  • تاریخچه یادگیری عمیق Deep Learning History

  • مرور کلی کتابخانه‌های یادگیری عمیق Deep Learning Libraries Overview

ساخت CNN ها در PyTorch Building CNNs in PyTorch

  • وارد کردن کتابخانه‌های مورد نیاز Importing Required Libraries

  • خط لوله تبدیل (Transformation Pipeline) Transformation Pipeline

  • بررسی و بصری سازی داده‌ها Inspect and Visualise Data

  • بارگذار داده‌ها (Data Loaders) Data Loaders

  • ساخت مدل ما Building our Model

  • بهینه‌ساز و تابع زیان Optimisers and Loss Function

  • آموزش مدل شما Training Your Model

  • ذخیره مدل و نمایش نتایج Saving Model and Displaying Results

  • ترسیم و بصری سازی نتایج شما Plot and Visualize Your Results

ساخت CNN ها در TensorFlow با Keras Building CNNs in TensorFlow with Keras

  • بارگذاری داده‌ها Loading Data

  • مشاهده و بررسی داده‌ها View and Inspect Data

  • پیش پردازش داده‌های ما Preprocessing Our Data

  • ساخت CNN Constructing the CNN

  • آموزش مدل Training the Model

  • ترسیم نتایج آموزش Plotting the Training Results

  • ذخیره و بارگذاری و بصری سازی نتایج Saving and Loading and Visualising Results

ارزیابی عملکرد مدل Assessing Model Performance

  • مرور کتابخانه‌های یادگیری عمیق PyTorch در مقابل Keras Deep Learning Libraries PyTorch vs Keras Review

  • ارزیابی عملکرد مدل Assessing Model Performance

  • ماتریس درهم‌ریختگی و گزارش طبقه‌بندی Confusion Matrix and Classification Report

  • مشاهده طبقه‌بندی‌های نادرست در Keras Keras Viewing Misclassifications

  • Keras - ماتریس درهم‌ریختگی و گزارش طبقه‌بندی Keras - Confusion Matrix and Classification Report

  • مشاهده طبقه‌بندی‌های نادرست در PyTorch PyTorch Viewing Misclassifications

  • PyTorch - ماتریس درهم‌ریختگی و طبقه‌بندی‌های نادرست PyTorch - Confusion Matrix and Misclassifications

بهبود مدل‌ها و طراحی پیشرفته CNN Improving Models and Advanced CNN Design

  • بیش‌برازش (Overfitting) و تعمیم (Generalisation) چیست؟ What is Overfitting and Generalisation?

  • مقدمه‌ای بر تنظیم (Regularization) Introduction to Regularization

  • Drop Out Drop Out

  • تنظیم L1 و L2 L1 and L2 Regularization

  • افزایش داده‌ها (Data Augmentation) Data Augmentation

  • توقف زودهنگام (Early Stopping) Early Stopping

  • نرمال سازی دسته‌ای (Batch Normalization) Batch Normalization

  • چه زمانی از تنظیم استفاده کنیم When Do We Use Regularization

  • آموزش طبقه‌بندی مد (FNIST) بدون تنظیم با استفاده از Keras Training a Fashion Classifider (FNIST) with no Regularization using Keras

  • آموزش طبقه‌بندی مد (FNIST) با تنظیم با استفاده از Keras Training a Fashion Classifider (FNIST) with Regularization using Keras

  • آموزش طبقه‌بندی مد (FNIST) بدون تنظیم با استفاده از PyTorch Training a Fashion Classifider (FNIST) with no Regularization using PyTorch

  • آموزش طبقه‌بندی مد (FNIST) با تنظیم با استفاده از PyTorch Training a Fashion Classifider (FNIST) with Regularization using PyTorch

بصری سازی آنچه CNN ها یاد می گیرند Visualizing What CNN's Learn

  • بصری سازی فیلترهای CNN یا نقشه‌های ویژگی Visualizing CNN Filters or Feature Maps

  • بصری سازی فعال‌سازی فیلترها Visualising Filter Activations

  • بصری سازی و فعال‌سازی فیلترها در Keras Keras Filter Visualization and Activations

  • به حداکثر رساندن فیلترها Maximizing Filters

  • به حداکثر رساندن کلاس Class Maximization

  • به حداکثر رساندن فیلتر و کلاس Filter and Class Maximization

  • Grad-CAM بصری سازی آنچه بر مدل شما تأثیر می گذارد Grad-CAM Visualize What Influences Your Model

  • Grad-CAM پلاس Grad-CAM Plus

شبکه‌های عصبی کانولوشنال پیشرفته Advamced Convolutional Neural Networks

  • تاریخچه و تکامل شبکه‌های عصبی کانولوشنال History and Evolution of Convolutional Neural Networks

  • LeNet LeNet

  • AlexNet AlexNet

  • VGG16 و VGG19 VGG16 and VGG19

  • ResNets ResNets

  • چرا ResNets اینقدر خوب عمل می کنند Why ResNets Work So Well

  • MobileNetV1 و V2 MobileNetV1 and V2

  • InceptionV3 InceptionV3

  • SqueezeNet SqueezeNet

  • EfficientNet EfficientNet

  • DenseNet DenseNet

  • مجموعه داده ImageNet The ImageNet Dataset

ساخت و بارگذاری معماری‌های پیشرفته CNN و دقت Rank-N Building and Loading Advanced CNN Archiectures and Rank-N Accuracy

  • پیاده‌سازی LeNet و AlexNet در Keras Implementing LeNet and AlexNet in Keras

  • بارگذاری شبکه‌های از پیش آموزش دیده در PyTorch (ResNets, DenseNets, MobileNET, VGG19) Loading Pre-trained Networks in PyTorch (ResNets, DenseNets, MobileNET, VGG19)

  • بارگذاری شبکه‌های از پیش آموزش دیده در Keras (ResNets, DenseNets, MobileNET, VGG19) Loading Pre-trained Networks in Keras (ResNets, DenseNets, MobileNET, VGG19)

  • متریک دقت Top-N یا Rank-N The Top-N or Rank-N Accuracy Metric

  • دریافت دقت Rank-N در PyTorch Getting the Rank-N Accuracy in PyTorch

  • دریافت دقت Rank-N در Keras Getting the Rank-N Accuracy in Keras

استفاده از Callbacks در Keras و PyTorch Using Callbacks in Keras and PyTorch

  • Callbacks چیست؟ What are Callbacks?

  • طبقه‌بندی گربه‌ها در مقابل سگ‌ها با استفاده از Callbacks در PyTorch Cats vs Dogs Classifier using Callbacks in PyTorch

  • طبقه‌بندی گربه‌ها در مقابل سگ‌ها با استفاده از Callbacks در Keras Cats vs Dogs Classifier using Callbacks in Keras

PyTorch Lightning PyTorch Lightning

  • مقدمه‌ای بر PyTorch Lightning Introduction to PyTorch Lightning

  • راه اندازی و کلاس Lightning Lightning Setup and Class

  • انتخاب خودکار دسته (Batch) و نرخ یادگیری به همراه Tensorboards Auto Batch and Learning Rate Selection plus Tensorboards

  • فراخوانی‌های PyTorch Lightning، ذخیره، استنتاج PyTorch Lightning Calls, Saving, Inference

  • آموزش روی چند GPU، پروفایلینگ و TPU ها Training on Multiple GPU, Profiling and TPUs

یادگیری انتقالی و تنظیم دقیق (Fine Tuning) Transfer Learning and Fine Tuning

  • مقدمه ای بر یادگیری انتقالی Transfer Learning Introduction

  • یادگیری انتقالی در PyTorch Lightning Transfer Learning in PyTorch Lightning

  • یادگیری انتقالی و تنظیم دقیق با Keras Transfer Learning and Fine Tuning with Keras

  • استخراج ویژگی در Keras Keras Feature Extraction

  • تنظیم دقیق در PyTorch PyTorch Fine Tuning

  • یادگیری انتقالی و لایه‌های شبکه فریز شده در PyTorch PyTorch Transfer Learning and Freezing Network Layers

  • استخراج ویژگی در PyTorch PyTorch Feature Extraction

DeepDream گوگل و انتقال سبک عصبی Google DeepStream and Neural Style Transfer

  • مقدمه‌ای بر بصری‌سازی DeepDream گوگل Introduction to Google DeepDream Visualizations

  • DeepDream گوگل در Keras Google DeepDream in Keras

  • DeepDream گوگل در PyTorch Google DeepDream in PyTorch

  • مقدمه‌ای بر انتقال سبک عصبی Introduction to Neural Style Transfer

  • انتقال سبک عصبی در Keras Neural Style Transfer in Keras

  • انتقال سبک عصبی در PyTorch Neural Style Transfer in PyTorch

Autoencoders Autoencoders

  • مقدمه‌ای بر Autoencoders Introduction to Autoencoders

  • Autoencoders در Keras Autoencoders in Keras

  • Autoencoders در PyTorch Autoencoders in PyTorch

شبکه‌های متخاصم مولد (GANs) Generative Adversarial Networks (GANs)

  • مقدمه‌ای بر GANs Introduction to GANs

  • GAN ها چگونه کار می کنند؟ How Do GANs Work?

  • آموزش GAN ها Training GANs

  • موارد استفاده برای GAN ها Use Cases for GANs

  • Keras DCGAN با MNIST Keras DCGAN with MNIST

  • GAN های PyTorch PyTorch GANs

  • GAN های وضوح بالا Super Resolution GAN

  • AnimeGAN AnimeGAN

  • ArcaneGAN ArcaneGAN

  • مدل‌های انتشار (Diffusion Models) (2023) Difusion Models (2023)

شبکه سگامی (Siamese Network) Siamese Network

  • مقدمه‌ای بر شبکه‌های سگامی Introduction to Siamese Networks

  • آموزش شبکه‌های سگامی Training Siamese Networks

  • شبکه‌های سگامی در Keras Siamese Networks in Keras

  • شبکه‌های سگامی در PyTorch Siamese Networks in PyTorch

تشخیص چهره (سن، جنسیت، احساسات و قومیت) با یادگیری عمیق Face Recognition (Age, Gender, Emotion and Ethnicity) with Deep Learning

  • مرور کلی تشخیص چهره Face Recognition Overview

  • شباهت چهره Keras VGGFace Facial Similarity Keras VGGFace

  • تشخیص چهره یادگیری تک شات Keras و دوستان Face Recognition Keras One Shot Learning and Friends

  • تشخیص چهره FaceNet در PyTorch Face Recognition PyTorch FaceNet

  • DeepFace - سن، جنسیت، احساسات، قومیت و تشخیص چهره DeepFace - Age, Gender, Emotion, Ethnicity and Face Recognition

تشخیص اشیاء Object Detection

  • تشخیص اشیاء Object Detection

  • تاریخچه آشکارسازهای اشیاء History of Object Detectors

  • تقاطع بر اتحادیه (Intersection Over Union) Intersection Over Union

  • میانگین دقت متوسط (Mean Average Precision) Mean Average Precision

  • سرکوب غیر حداکثر (Non Maximum Suppression) Non Maximum Suppression

  • R-CNNs، Fast R-CNNs و Faster R-CNNs R-CNNs, Fast R-CNNs and Faster R-CNNs

  • آشکارسازهای تک شات (Single Shot Detectors - SSDs) Single Shot Detectors (SSDs)

آشکارسازهای اشیاء مدرن - YOLOv8، EfficientDet، Detectron2 Modern Object Detectors - YOLOv8, EfficientDet, Detectron2

  • مقدمه‌ای بر YOLO Introduction to YOLO

  • YOLOv8 YOLOv8

  • YOLO چگونه کار می کند How YOLO Works

  • آموزش YOLO Training YOLO

  • تکامل YOLO YOLO Evolution

  • EfficientDet EfficientDet

  • Detectron2 Detectron2

آشکارساز اسلحه - Scaled-YoloV4 Gun Detector - Scaled-YoloV4

  • آشکارساز اسلحه - Scaled-YoloV4 Gun Detector - Scaled-YoloV4

آشکارساز ماسک TFODAPI MobileNetV2_SSD Mask Detector TFODAPI MobileNetV2_SSD

  • آشکارساز ماسک TFODAPI MobileNetV2_SSD Mask Detector TFODAPI MobileNetV2_SSD

آشکارساز زبان اشاره TFODAPI EfficentDet Sign Language Detector TFODAPI EfficentDet

  • آشکارساز زبان اشاره TFODAPI EfficentDet Sign Language Detector TFODAPI EfficentDet

آشکارساز چاله - TinyYOLOv4 Pothole Detector - TinyYOLOv4

  • آشکارساز چاله - TinyYOLOv4 Pothole Detector - TinyYOLOv4

آشکارساز قارچ Detectron2 Mushroom Detector Detectron2

  • آشکارساز قارچ Detectron2 Mushroom Detector Detectron2

آشکارساز منطقه وب سایت YOLOv4 Darknet Website Region Detector YOLOv4 Darknet

  • آشکارساز منطقه وب سایت YOLOv4 Darknet Website Region Detector YOLOv4 Darknet

آشکارساز دریایی پهپاد R-CNN Drone Maritime Detector R-CNN

  • آشکارساز دریایی پهپاد R-CNN Drone Maritime Detector R-CNN

مهره شطرنج YOLOv3 Chess Piece YOLOv3

  • مهره شطرنج YOLOv3 Chess Piece YOLOv3

آشکارساز سلول خونی YOLOv5 Bloodcell Detector YOLOv5

  • آشکارساز سلول خونی YOLOv5 Bloodcell Detector YOLOv5

آشکارساز کلاه ایمنی EfficentDet Hard Hat Detector EfficentDet

  • آشکارساز کلاه ایمنی EfficentDet Hard Hat Detector EfficentDet

آشکارساز سلول خونی YOLOv5 Bloodcell Detector YOLOv5

  • آشکارساز سلول خونی YOLOv5 Bloodcell Detector YOLOv5

آشکارساز پزشک گیاه YOLOv5 Plant Doctor Detector YOLOv5

  • آشکارساز پزشک گیاه YOLOv5 Plant Doctor Detector YOLOv5

تقسیم‌بندی عمیق - U-Net، SegNet، DeeplabV3 و Mask R-CNN Deep Segmentation - U-Net, SegNet, DeeplabV3 and Mask R-CNN

  • مقدمه‌ای بر تقسیم‌بندی عمیق Introduction to Deep Segmentation

  • تقسیم‌بندی تصویر Keras UNET SegNet Image Segmentation Keras UNET SegNet

  • PyTorch DeepLabV3 PyTorch DeepLabV3

  • Mask-RCNN Tensorflow Matterport Mask-RCNN Tensorflow Matterport

  • Detectron2 Mask R-CNN Detectron2 Mask R-CNN

  • آموزش مجموعه داده شکل Mask R-CNN Train Mask R-CNN Shapes Dataset

مدل تقسیم‌بندی همه چیز (SAM) Segment Anything Model (SAM)

  • مقدمه‌ای بر SAM ها Introduction to SAMs

  • مقدمه Intoduction

تخمین ژست بدن Body Pose Estimation

  • تخمین ژست بدن Body Pose Estimation

ردیابی با DeepSORT Tracking with DeepSORT

  • مقدمه DeepSORT DeepSORT Introduction

  • DeepSORT با YOLOv5 DeepSORT with YOLOv5

دیپ فیک‌ها (Deep Fakes) Deep Fakes

  • ساخت یک دیپ فیک Creating a Deep Fake

ترنسفورمرهای بینایی - ViTs Vision Transformers - ViTs

  • مقدمه‌ای بر ترنسفورمرهای بینایی Introduction to Vision Transformers

  • ترنسفورمر بینایی با جزئیات با PyTorch Vision Transformer in Detail with PyTorch

  • ترنسفورمرهای بینایی در Keras Vision Transformers in Keras

طبقه‌بندی کننده BiT BigTransfer Keras BiT BigTransfer Classifier Keras

  • طبقه‌بندی کننده BiT BigTransfer Keras BiT BigTransfer Classifier Keras

تخمین عمق Depth Estimation

  • پروژه تخمین عمق Depth Estimation Project

شباهت تصویر با استفاده از یادگیری متریک Image Similarity using Metric Learning

  • شباهت تصویر با استفاده از یادگیری متریک Image Similarity using Metric Learning

کپشن‌نویسی تصویر با Keras Image Captioning with Keras

  • کپشن‌نویسی تصویر با Keras Image Captioning with Keras

طبقه‌بندی ویدئو با استفاده از CNN+RNN Video Classification usign CNN+RNN

  • طبقه‌بندی ویدئو با استفاده از CNN+RNN Video Classification usign CNN+RNN

طبقه‌بندی ویدئو با ترنسفورمرها Video Classification with Transformers

  • طبقه‌بندی ویدئو با ترنسفورمرها Video Classification with Transformers

طبقه‌بندی ابر نقاط PointNet Point Cloud Classification PointNet

  • طبقه‌بندی ابر نقاط PointNet Point Cloud Classification PointNet

تقسیم‌بندی ابر نقاط با استفاده از PointNet Point Cloud Segmentation Using PointNet

  • تقسیم‌بندی ابر نقاط با استفاده از PointNet Point Cloud Segmentation Using PointNet

آموزش میدان‌های تابش عصبی (NeRFs) Tutorial on Neural Radiance Fields (NeRFs)

  • مقدمه میدان‌های تابش عصبی Introduction Neural Radiance Fields

بینایی سه بعدی و لیدار 3D Vision and Lidar

  • مقدمه‌ای بر بینایی سه بعدی Introduction to 3D Vision

  • مقدمه‌ای بر فناوری LIDAR Introduction to LIDAR Technology

بازسازی سه بعدی 3D Reconstrution

  • آموزش بازسازی سه بعدی Tutorial on 3D Reconstruction

راهبردهای حاشیه‌نویسی بینایی کامپیوتر Computer Vision Anotation Strategies

  • بهترین شیوه‌ها Best Practices

پروژه پزشکی - پیش‌بینی ذات الریه با اشعه ایکس Medical Project - X-Ray Pneumonia Prediction

  • پیش‌بینی ذات الریه با اشعه ایکس X-Ray Pneumonia Prediction

پروژه پزشکی - طبقه‌بندی اسکن سه بعدی CT Medical Project - 3D CT Scan Classification

  • طبقه‌بندی اسکن سه بعدی CT 3D CT Scan Classification

بهبود تصویر در نور کم MIRNet Low Light Image Enhancement MIRNet

  • بهبود تصویر در نور کم MIRNet Low Light Image Enhancement MIRNet

استقرار برنامه بینایی کامپیوتر شما با استفاده از Flask RestFUL API و وب اپلیکیشن Deploy your CV App using Flask RestFUL API & Web App

  • Flask RestFUL API Flask RestFUL API

  • Flask Web App Flask Web App

کرکر کپچا OCR OCR Captcha Cracker

  • کرکر کپچا OCR OCR Captcha Cracker

عملیاتی کردن مدل‌های بینایی کامپیوتر در فضای ابری، GPU ها، دستگاه‌های تعبیه‌شده و موبایل Productionising Computer Vision Models Cloud, GPUs, Embedded Devices and Mobile

  • مقدمه‌ای بر عم��یاتی کردن مدل‌ها Introduction to Productionising Models

  • استقرار در فضای ابری Deploying on the Cloud

  • استقرار بر روی دستگاه‌های تعبیه‌شده Deploying on Embedded Devices

  • استقرار بر روی GPU ها با استفاده از DeepStream انویدیا Deploying on GPUs using NVIDIA's DeepStream

  • استقرار بر روی دستگاه‌های موبایل Deploying on Mobile Devices

جدید - ویدئوهای آموزشی Google Colab New - Google Colab Tutorial Videos

  • Google Colab - مقدمه Google Colab - Intro

  • Google Colab - مقدمه قسمت دوم Google Colab - Intro Part 2

  • استفاده از حالت تاریک و سایر ویژگی‌ها Using Dark Mode and other features

نمایش نظرات

آموزش بینایی کامپیوتر مدرن با GPT، PyTorch، Keras، OpenCV4 در سال ۲۰۲۴!
جزییات دوره
28 hours
257
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
14,258
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rajeev D Ratan Rajeev D Ratan

دانشمند داده، کارشناس بینایی کامپیوتر و مهندس برق