نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «ساخت و ارزیابی تشخیصدهندههای شیء در زمان واقعی» یک دوره عملی و متوسط برای مهندسان یادگیری ماشین است که نیاز دارند تشخیصدهندههای سریع و دقیق را تحت محدودیتهای دنیای واقعی مستقر کنند. زمانی که دقت مدل از شاخصهای کلیدی عملکرد (KPI) پایینتر میرود یا نرخ فریم (FPS) از حد هدف کاهش مییابد، شما به مهارتهایی برای تشخیص معیارها، پیشنهاد بهبودها و ارزیابی اینکه آیا یک خط لوله (Pipeline) زمان-واقعی نیازها را برآورده میکند یا خیر، نیاز دارید. در این دوره خواهید آموخت که چگونه معیارهای تشخیص مانند mAP و APsmall را محاسبه و تفسیر کنید، دلایل عملکرد پایین را شناسایی کرده و بهبودهای هدفمند را پیشنهاد دهید. سپس یک خط لوله کامل تشخیص زمان-واقعی را با استفاده از مدلهایی مانند YOLOv8 و ردیابهایی مانند DeepSORT تحلیل کرده و آن را بر اساس الزامات ظرفیت (مانند ۲۵ فریم بر ثانیه در رزولوشن 720p) ارزیابی میکنید. از طریق ویدیوهای کوتاه، متون کاربردی، آزمایشگاههای تحلیلمحور و یک ارزیابی نهایی نمرهدهی شده، مهارتهای لازم برای ارزیابی تشخیصدهندهها، پیشنهاد بهینهسازیها و سنجش پاسخگویی راهکارها به نیازهای Real-time را کسب خواهید کرد.
سرفصل ها و درس ها
ساخت و ارزیابی تشخیصدهندههای شیء در زمان واقعی
Build & Evaluate Real-Time Object Detectors
مقدمه و خوشآمدگویی
Introduction and Welcome
چرا ارزیابی در تشخیص زمان-واقعی در اولویت است
Why Evaluation Comes First in Real-Time Detection
تفسیر mAP: چه مواردی را در پروژههای واقعی بررسی کنیم
Interpreting mAP: What To Look For in Real Projects
انتخاب مدل مناسب برای الزامات زمان-واقعی
Choosing the Right Model for Real-Time Requirements
نمایش نظرات