لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Computer Vision: Python OCR و شروع سریع تشخیص اشیا [ویدئو]
Computer Vision: Python OCR and Object Detection Quick Starter [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره یک شروع سریع برای هرکسی است که میخواهد با استفاده از Python به بررسی تشخیص کاراکتر نوری (OCR)، تشخیص تصویر، تشخیص اشیا و تشخیص اشیا بدون نیاز به پرداختن به تمام پیچیدگیها و ریاضیات مرتبط با یک فرآیند یادگیری عمیق معمولی بپردازد. با مقدمه ای بر فناوری OCR، با نصب بسته های Anaconda و کتابخانه ها و وابستگی های لازم، سیستم خود را برای کدنویسی پایتون آماده خواهید کرد.
همانطور که پیشرفت می کنید، با شبکه های عصبی کانولوشن (CNN)، کتابخانه Keras و مدل های از پیش آموزش دیده مانند VGGNet 16 و VGGNet 19 کار خواهید کرد تا با کمک تصاویر نمونه، تشخیص تصویر را انجام دهید. سپس این دوره بر روی تشخیص اشیا تمرکز دارد و به شما نشان می دهد که چگونه از مدل های از پیش آموزش دیده MobileNet-SSD و Mask R-CNN برای شناسایی و برچسب گذاری اشیاء در یک ویدیوی زنده در زمان واقعی از وب کم رایانه و همچنین در یک ویدیوی ذخیره شده استفاده کنید. در پایان، خواهید آموخت که چگونه مدل YOLO و نسخه Lite، Tiny YOLO، روند تشخیص یک شی از یک تصویر را تسریع میکنند.
در پایان دوره، درک کاملی از OCR و روشهای مربوط به آن ایجاد خواهید کرد و اعتماد به نفس لازم برای انجام تشخیص نوری کاراکتر با استفاده از پایتون را به راحتی به دست خواهید آورد.
تمامی منابع و فایل های کد این دوره در اینجا قرار داده شده است: https://github.com/PacktPublishing/Computer-Vision-Python-OCR-Object-Detection-Quick-Starter بسته ها، وابستگی ها و کتابخانه های Anaconda را نصب کنید. ، بالش
با استفاده از کتابخانه tesseract با تشخیص نویسه نوری در پایتون آشنا شوید
تشخیص تصویر را با استفاده از مدل های از پیش آموزش دیده VGGNet 16، VGGNet 19، ResNet، Inception و Xception در کتابخانه Keras انجام دهید.
با استفاده از MobileNet SSD، Mask R-CNN، YOLO، تشخیص اشیا را کاوش کنید
دستیابی به ترکیبی عالی از سرعت و دقت در تشخیص و تشخیص اشیا
در مورد تشخیص کاراکترهای نوری با کتابخانه tesseract و تشخیص تصویر با استفاده از Keras بیاموزید این دوره برای مبتدیان یا هرکسی که می خواهد با OCR مبتنی بر پایتون، تشخیص تصویر و تشخیص اشیا را شروع کند، است. فناوری تشخیص کاراکتر نوری (OCR) را درک کنید * مدل های از پیش آموزش دیده شبکه های عصبی کانولوشن را برای تشخیص تصویر کاوش کنید * از مدل های از پیش آموزش دیده Mask R-CNN و MobileNet-SSD برای تشخیص اشیا استفاده کنید.
سرفصل ها و درس ها
معرفی دوره و فهرست مطالب
Course Introduction and Table of Contents
معرفی دوره و فهرست مطالب
Course Introduction and Table of Contents
مقدمه ای بر مفاهیم OCR و کتابخانه ها
Introduction to OCR Concepts and Libraries
مقدمه ای بر مفاهیم OCR و کتابخانه ها
Introduction to OCR Concepts and Libraries
تنظیم محیط - آناکوندا
Setting Up Environment - Anaconda
تنظیم محیط - آناکوندا
Setting Up environment - Anaconda
اصول پایتون (اختیاری)
Python Basics (Optional)
مبانی پایتون - قسمت 1 - تکلیف
Python Basics - Part 1 - Assignment
اصول پایتون - قسمت 2 - کنترل جریان
Python Basics - Part 2 - Flow Control
مبانی پایتون - قسمت 3 - ساختارهای داده
Python Basics - Part 3 - Data Structures
اصول پایتون - قسمت 3 - توابع
Python Basics - Part 3 - Functions
تنظیم OCR Tesseract
Tesseract OCR Setup
Tesseract OCR Setup - قسمت 1
Tesseract OCR Setup - Part 1
Tesseract OCR Setup - Part 2
Tesseract OCR Setup - Part 2
راه اندازی OpenCV
OpenCV Setup
راه اندازی OpenCV
OpenCV Setup
پیاده سازی OCR تصویر Tesseract
Tesseract Image OCR Implementation
اجرای OCR تصویر Tesseract - قسمت 1
Tesseract Image OCR Implementation - Part 1
اجرای OCR تصویر Tesseract - قسمت 2
Tesseract Image OCR Implementation - Part 2
اختیاری: cv2.imshow() پاسخ نمی دهد رفع مشکل
Optional: cv2.imshow() Not Responding Issue Fix
اختیاری: cv2.imshow() پاسخ نمی دهد رفع مشکل
Optional: cv2.imshow() Not Responding Issue Fix
مقدمه ای بر CNN - شبکه های عصبی کانولوشن - جلسه تئوری
Introduction to CNN - Convolutional Neural Networks - Theory Session
مقدمه ای بر CNN - شبکه های عصبی کانولوشن - جلسه تئوری
Introduction to CNN - Convolutional Neural Networks - Theory Session
نصب وابستگی های اضافی برای CNN
Installing Additional Dependencies for CNN
نصب وابستگی های اضافی برای CNN
Installing Additional Dependencies for CNN
مقدمه ای بر معماری VGGNet
Introduction to VGGNet Architecture
مقدمه ای بر معماری VGGNet
Introduction to VGGNet Architecture
تشخیص تصویر با استفاده از مدل VGGNet16 از پیش آموزش دیده
Image Recognition Using Pre-Trained VGGNet16 Model
تشخیص تصویر با استفاده از مدل VGGNet16 از قبل آموزش دیده - قسمت 1
Image Recognition Using Pre-Trained VGGNet16 Model - Part 1
تشخیص تصویر با استفاده از مدل VGGNet16 از قبل آموزش دیده - قسمت 2
Image Recognition Using Pre-Trained VGGNet16 Model - Part 2
تشخیص تصویر با استفاده از مدل VGGNet19 از قبل آموزش دیده
Image Recognition Using Pre-Trained VGGNet19 Model
تشخیص تصویر با استفاده از مدل VGGNet19 از قبل آموزش دیده
Image Recognition Using Pre-Trained VGGNet19 Model
تشخیص تصویر با استفاده از مدل ResNet از پیش آموزش دیده
Image Recognition Using Pre-Trained ResNet Model
تشخیص تصویر با استفاده از مدل ResNet از پیش آموزش دیده
Image Recognition Using Pre-Trained ResNet Model
تشخیص تصویر با استفاده از مدل اولیه از قبل آموزش دیده
Image Recognition Using Pre-Trained Inception Model
تشخیص تصویر با استفاده از مدل اولیه از قبل آموزش دیده
Image Recognition Using Pre-Trained Inception Model
تشخیص تصویر با استفاده از مدل از پیش آموزش دیده Xception
Image Recognition Using Pre-Trained Xception Model
تشخیص تصویر با استفاده از مدل از پیش آموزش دیده Xception
Image Recognition Using Pre-Trained Xception Model
مقدمه ای بر مدل از پیش آموزش دیده MobileNet-SSD
Introduction to MobileNet-SSD Pre-Trained Model
مقدمه ای بر مدل از پیش آموزش دیده MobileNet-SSD
Introduction to MobileNet-SSD Pre-trained Model
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
استاد و برنامه نویس ارشد مهندسی کامپیوتر در دبی من یک پیشگام ، با استعداد و امنیت گرا Android/iOS Mobile و PHP/Python Web Developer Application Developer با بیش از هشت سال تجربه کلی فناوری اطلاعات که شامل طراحی ، پیاده سازی ، یکپارچه سازی ، آزمایش و حمایت از تأثیر است برنامه های کامل وب و تلفن همراه. من دارنده مدرک کارشناسی ارشد کارشناسی ارشد در رشته علوم کامپیوتر و مهندسی هستم. تجربه من با برنامه نویسی PHP/Python یک مزیت اضافی برای برنامه های سرویس گیرنده Android و iOS مبتنی بر سرور است. من در حال حاضر تمام وقت به عنوان یک معمار ارشد راه حل مشغول به کار هستم که پروژه های مشتری خود را از ابتدا تا انتها مدیریت می کنم تا از طراحی با کیفیت ، ابتکاری و کاربردی اطمینان حاصل کنم.
نمایش نظرات