آموزش پایتون برای بینایی کامپیوتر با OpenCV و یادگیری عمیق

Python for Computer Vision with OpenCV and Deep Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: جدیدترین تکنیک های بینایی کامپیوتر را با پایتون، OpenCV و Deep Learning بیاموزید! درک اصول اولیه NumPy دستکاری و باز کردن تصاویر با NumPy استفاده از OpenCV برای کار با فایل های تصویری استفاده از Python و OpenCV برای رسم اشکال روی تصاویر و ویدیوها انجام دستکاری تصویر با OpenCV، از جمله صاف کردن، محو کردن، آستانه گذاری، و عملیات مورفولوژیکی. ایجاد هیستوگرام رنگی با OpenCV باز کردن و پخش ویدئو با Python و OpenCV Detect Objectها، از جمله تکنیک‌های تشخیص گوشه، لبه، و شبکه با OpenCV و Python. ایجاد تصاویر بخش‌های نرم‌افزار تشخیص چهره با الگوریتم Watershed ردیابی اشیاء در ویدئو از Python و Deep Learning برای ساختن استفاده کنید. طبقه‌بندی‌کننده‌های تصویر با Tensorflow، Keras و Python کار کنید تا تصاویر سفارشی خود را آموزش دهید. پیش نیازها: اگر می خواهید محتوای پخش ویدیو را یاد بگیرید باید درک واضحی از Python Basics ویندوز 10 یا MacOS یا Ubuntu داشته باشید.

به دوره آنلاین نهایی Python for Computer Vision خوش آمدید!

این دوره بهترین منبع شما برای یادگیری نحوه استفاده از زبان برنامه نویسی پایتون برای Computer Vision است.

ما نحوه استفاده از Python و کتابخانه OpenCV (Open Computer Vision) را برای تجزیه و تحلیل تصاویر و داده های ویدئویی بررسی خواهیم کرد.

محبوب‌ترین پلتفرم‌های جهان مقادیری از داده‌های تصویری و ویدیویی را تولید می‌کنند. کاربران در هر 60 ثانیه بیش از 300 ساعت ویدیو را در یوتیوب آپلود می کنند، مشترکین نتفلیکس بیش از 80000 ساعت ویدیو را پخش می کنند و کاربران اینستاگرام بیش از 2 میلیون عکس را می پسندند! اکنون بیش از هر زمان دیگری برای توسعه دهندگان لازم است تا مهارت های لازم را برای کار با داده های تصویری و ویدیویی با استفاده از بینایی رایانه به دست آورند.

بینایی رایانه به ما امکان تجزیه و تحلیل و استفاده از داده‌های تصویری و ویدیویی را با برنامه‌های کاربردی در صنایع مختلف، از جمله اتومبیل‌های خودران، برنامه‌های شبکه اجتماعی، تشخیص‌های پزشکی و بسیاری موارد دیگر می‌دهد.

به‌عنوان سریع‌ترین زبان در حال رشد در محبوبیت، پایتون برای استفاده از قدرت کتابخانه‌های بینایی رایانه‌ای موجود برای یادگیری از همه این داده‌های تصویری و ویدیویی مناسب است.

در این دوره ما هر آنچه را که برای تبدیل شدن به یک متخصص در بینایی کامپیوتر باید بدانید را به شما آموزش خواهیم داد! این صنعت 20 میلیارد دلاری یکی از مهم ترین بازارهای کار در سال های آینده خواهد بود.

ما دوره را با یادگیری در مورد پردازش عددی با کتابخانه NumPy و نحوه باز کردن و دستکاری تصاویر با NumPy آغاز خواهیم کرد. سپس به استفاده از کتابخانه OpenCV برای باز کردن و کار با اصول اولیه تصویر ادامه خواهد داد. سپس شروع به درک نحوه پردازش تصاویر و اعمال انواع افکت‌ها، از جمله نگاشت رنگ، ترکیب، آستانه، گرادیان و موارد دیگر خواهیم کرد.

سپس به درک اصول اولیه ویدیو با OpenCV می‌پردازیم، از جمله کار با پخش ویدیو از وب‌کم. پس از آن، در مورد موضوعات ویدئویی مستقیم، مانند جریان نوری و تشخیص اشیا، یاد خواهیم گرفت. از جمله تشخیص چهره و ردیابی شی.

سپس به بخش کامل دوره اختصاص داده شده به جدیدترین موضوعات یادگیری عمیق، از جمله تشخیص تصویر و طبقه بندی تصاویر سفارشی می رویم. ما حتی جدیدترین شبکه‌های یادگیری عمیق، از جمله شبکه یادگیری عمیق YOLO (فقط یک بار نگاه می‌کنید) را پوشش خواهیم داد.

این دوره همه اینها و موارد دیگر را پوشش می دهد، از جمله موضوعات زیر:

  • NumPy

  • تصاویر با NumPy

  • مبانی تصویر و ویدئو با NumPy

  • نگاشتهای رنگی

  • ترکیب و چسباندن تصاویر

  • آستانه تصویر

  • تاری و صاف کردن

  • عملگرهای مورفولوژیکی

  • شیب ها

  • هیستوگرام

  • استریم ویدئو با OpenCV

  • تشخیص شی

  • تطابق الگو

  • تشخیص گوشه، لبه و شبکه

  • تشخیص کانتور

  • تطبیق ویژگی

  • الگوریتم WaterShed

  • تشخیص چهره

  • ردیابی شی

  • جریان نوری

  • یادگیری عمیق با Keras

  • Keras and Convolutional Networks

  • شبکه های یادگیری عمیق سفارشی شده

  • شبکه های پیشرفته YOLO

  • و خیلی بیشتر!

در صورت داشتن هرگونه سوال در مورد دوره، می توانید در Udemy به من پیام دهید!

از اینکه صفحه دوره را بررسی کردید متشکرم، و امیدوارم شما را در داخل ببینم!

ژوزه


سرفصل ها و درس ها

نمای کلی و مقدمه دوره Course Overview and Introduction

  • بررسی اجمالی دوره Course Overview

  • سوالات متداول - سوالات متداول FAQ - Frequently Asked Questions

  • مروری بر برنامه درسی دوره Course Curriculum Overview

  • تنظیم برای محتوای دوره Getting Set-Up for the Course Content

مبانی NumPy و Image NumPy and Image Basics

  • مقدمه ای بر بخش Numpy و Image Introduction to Numpy and Image Section

  • آرایه های NumPy NumPy Arrays

  • تصویر چیست؟ What is an image?

  • تصاویر و NumPy Images and NumPy

  • آزمون NumPy و ارزیابی تصویر NumPy and Image Assessment Test

  • NumPy و تست ارزیابی تصویر - راه حل NumPy and Image Assessment Test - Solutions

مبانی تصویر با OpenCV Image Basics with OpenCV

  • مقدمه ای بر تصاویر و مبانی OpenCV Introduction to Images and OpenCV Basics

  • باز کردن فایل های تصویری در نوت بوک Opening Image files in a notebook

  • باز کردن فایل های تصویری با OpenCV Opening Image files with OpenCV

  • طراحی روی تصاویر - قسمت اول - شکل های پایه Drawing on Images - Part One - Basic Shapes

  • طراحی روی تصاویر قسمت دوم - متن و چند ضلعی Drawing on Images Part Two - Text and Polygons

  • طراحی مستقیم روی تصاویر با ماوس - قسمت اول Direct Drawing on Images with a mouse - Part One

  • طراحی مستقیم روی تصاویر با ماوس - قسمت دوم Direct Drawing on Images with a mouse - Part Two

  • طراحی مستقیم روی تصاویر با ماوس - قسمت سوم Direct Drawing on Images with a mouse - Part Three

  • ارزیابی مبانی تصویر Image Basics Assessment

  • راه حل های ارزیابی مبانی تصویر Image Basics Assessment Solutions

پردازش تصویر Image Processing

  • مقدمه ای بر پردازش تصویر Introduction to Image Processing

  • نقشه برداری رنگ Color Mappings

  • ترکیب و چسباندن تصاویر Blending and Pasting Images

  • ترکیب و چسباندن تصاویر قسمت دوم - ماسک Blending and Pasting Images Part Two - Masks

  • آستانه تصویر Image Thresholding

  • تاری و صاف کردن Blurring and Smoothing

  • تاری و صاف کردن - قسمت دوم Blurring and Smoothing - Part Two

  • اپراتورهای مورفولوژیکی Morphological Operators

  • گرادیان ها Gradients

  • هیستوگرام - قسمت اول Histograms - Part One

  • هیستوگرام - قسمت دوم - همسان سازی هیستوگرام Histograms - Part Two - Histogram Eqaulization

  • هیستوگرام ها قسمت سوم - تساوی هیستوگرام Histograms Part Three - Histogram Equalization

  • ارزیابی پردازش تصویر Image Processing Assessment

  • راه حل های ارزیابی پردازش تصویر Image Processing Assessment Solutions

مبانی ویدیو با پایتون و OpenCV Video Basics with Python and OpenCV

  • مقدمه ای بر مبانی ویدیو Introduction to Video Basics

  • اتصال به دوربین Connecting to Camera

  • استفاده از فایل های ویدئویی Using Video Files

  • طراحی روی دوربین زنده Drawing on Live Camera

  • ارزیابی مبانی ویدیویی Video Basics Assessment

  • راه حل های ارزیابی مبانی ویدیویی Video Basics Assessment Solutions

تشخیص اشیا با OpenCV و Python Object Detection with OpenCV and Python

  • مقدمه ای بر تشخیص اشیا Introduction to Object Detection

  • تطبیق الگو Template Matching

  • تشخیص گوشه - قسمت اول - تشخیص گوشه هریس Corner Detection - Part One - Harris Corner Detection

  • تشخیص گوشه - قسمت دوم - تشخیص شی توماسی Corner Detection - Part Two - Shi-Tomasi Detection

  • تشخیص لبه Edge Detection

  • تشخیص شبکه Grid Detection

  • تشخیص کانتور Contour Detection

  • تطبیق ویژگی - قسمت اول Feature Matching - Part One

  • تطبیق ویژگی - قسمت دوم Feature Matching - Part Two

  • الگوریتم حوضه - قسمت اول Watershed Algorithm - Part One

  • الگوریتم حوضه - قسمت دوم Watershed Algorithm - Part Two

  • بذرهای سفارشی با الگوریتم آبخیز Custom Seeds with Watershed Algorithm

  • مقدمه ای بر تشخیص چهره Introduction to Face Detection

  • تشخیص چهره با OpenCV Face Detection with OpenCV

  • ارزیابی تشخیص Detection Assessment

  • راه حل های ارزیابی تشخیص Detection Assessment Solutions

ردیابی اشیا Object Tracking

  • مقدمه ای بر Object Tracking Introduction to Object Tracking

  • جریان نوری Optical Flow

  • کدگذاری جریان نوری با OpenCV - قسمت اول Optical Flow Coding with OpenCV - Part One

  • کدگذاری جریان نوری با OpenCV - قسمت دوم Optical Flow Coding with OpenCV - Part Two

  • MeanShift و CamShift Tracking Theory MeanShift and CamShift Tracking Theory

  • MeanShift و CamShift Tracking با OpenCV MeanShift and CamShift Tracking with OpenCV

  • مروری بر روش‌های مختلف Tracking API Overview of various Tracking API Methods

  • ردیابی API ها با OpenCV Tracking APIs with OpenCV

یادگیری عمیق برای بینایی کامپیوتر Deep Learning for Computer Vision

  • مقدمه ای بر یادگیری عمیق برای بینایی کامپیوتر Introduction to Deep Learning for Computer Vision

  • مبانی یادگیری ماشین Machine Learning Basics

  • درک معیارهای طبقه بندی Understanding Classification Metrics

  • مقدمه ای بر مباحث یادگیری عمیق Introduction to Deep Learning Topics

  • درک یک نورون Understanding a Neuron

  • آشنایی با شبکه عصبی Understanding a Neural Network

  • توابع هزینه Cost Functions

  • گرادیان نزول و انتشار به عقب Gradient Descent and Back Propagation

  • مبانی کراس Keras Basics

  • بررسی اجمالی داده های MNIST MNIST Data Overview

  • بررسی اجمالی شبکه های عصبی کانولوشن - قسمت اول Convolutional Neural Networks Overview - Part One

  • بررسی اجمالی شبکه های عصبی کانولوشن - قسمت دوم Convolutional Neural Networks Overview - Part Two

  • شبکه های عصبی کانولوشنال Keras با MNIST Keras Convolutional Neural Networks with MNIST

  • شبکه های عصبی کانولوشن کراس با CIFAR-10 Keras Convolutional Neural Networks with CIFAR-10

  • پیوند برای گربه ها و سگ ها ZIP LINK FOR CATS AND DOGS ZIP

  • آموزش عمیق در مورد تصاویر سفارشی - قسمت اول Deep Learning on Custom Images - Part One

  • آموزش عمیق در مورد تصاویر سفارشی - قسمت دوم Deep Learning on Custom Images - Part Two

  • یادگیری عمیق و ارزیابی شبکه های عصبی کانولوشنال Deep Learning and Convolutional Neural Networks Assessment

  • آموزش عمیق و راه حل های ارزیابی شبکه های عصبی کانولوشنال Deep Learning and Convolutional Neural Networks Assessment Solutions

  • مقدمه ای بر YOLO v3 Introduction to YOLO v3

  • دانلود وزن YOLO YOLO Weights Download

  • YOLO v3 با پایتون YOLO v3 with Python

پروژه Capstone Capstone Project

  • معرفی پروژه CapStone Introduction to CapStone Project

  • Capstone قسمت اول - متغیرها و تابع پس زمینه Capstone Part One - Variables and Background function

  • Capstone قسمت دوم - بخش بندی Capstone Part Two - Segmentation

  • Capstone قسمت سوم - شمارش و ConvexHull Capstone Part Three - Counting and ConvexHull

  • Capstone قسمت چهارم - آوردن همه آن ها با هم Capstone Part Four - Bringing it all together

بخش پاداش: از شما متشکرم! BONUS SECTION: THANK YOU!

  • سخنرانی جایزه BONUS LECTURE

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش پایتون برای بینایی کامپیوتر با OpenCV و یادگیری عمیق
جزییات دوره
14 hours
92
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
49,710
4.5 از 5
دارد
دارد
دارد
Jose Portilla
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان