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

MobileNet-SSD تشخیص اشیاء MobileNet-SSD Object Detection

  • Mobilenet SSD Object Detection - قسمت 1 Mobilenet SSD Object Detection - Part 1

  • Mobilenet SSD Object Detection - قسمت 2 Mobilenet SSD Object Detection - Part 2

موبایل نت SSD فیلم بلادرنگ Mobilenet SSD Real-Time Video

  • موبایل نت SSD فیلم بلادرنگ Mobilenet SSD Real-Time Video

فیلم از پیش ذخیره شده Mobilenet SSD Mobilenet SSD Pre-Saved Video

  • فیلم از پیش ذخیره شده Mobilenet SSD Mobilenet SSD Pre-Saved Video

Mask RCNN Pre-trained Model معرفی Mask RCNN Pre-Trained Model Introduction

  • معرفی مدل از پیش آموزش دیده MaskRCNN MaskRCNN Pre-Trained Model Introduction

MaskRCNN Bounding Box پیاده سازی MaskRCNN Bounding Box Implementation

  • MaskRCNN Bounding Box Implementation - قسمت 1 MaskRCNN Bounding Box Implementation - Part 1

  • اجرای MaskRCNN Bounding Box - قسمت 2 MaskRCNN Bounding Box Implementation - Part 2

پیاده سازی ماسک شیء MaskRCNN MaskRCNN Object Mask Implementation

  • اجرای MaskRCNN Object Mask - قسمت 1 MaskRCNN Object Mask Implementation - Part 1

  • اجرای MaskRCNN Object Mask - قسمت 2 MaskRCNN Object Mask Implementation - Part 2

ویدیوی بلادرنگ MaskRCNN MaskRCNN Real-Time Video

  • ویدئوی بلادرنگ MaskRCNN - قسمت 1 MaskRCNN Real-Time Video - Part 1

  • ویدیوی بلادرنگ MaskRCNN - قسمت 2 MaskRCNN Real-Time Video - Part 2

ویدیوی از پیش ذخیره شده MaskRCNN MaskRCNN Pre-saved Video

  • ویدیوی از پیش ذخیره شده MaskRCNN MaskRCNN Pre-saved Video

معرفی مدل از پیش آموزش دیده YOLO YOLO Pre-Trained Model Introduction

  • معرفی مدل از پیش آموزش دیده YOLO YOLO Pre-Trained Model Introduction

پیاده سازی YOLO YOLO Implementation

  • پیاده سازی YOLO - قسمت 1 YOLO Implementation - Part 1

  • پیاده سازی YOLO - قسمت 2 YOLO Implementation - Part 2

ویدیوی زمان واقعی YOLO YOLO Real-Time Video

  • ویدیوی زمان واقعی YOLO YOLO Real-Time Video

ویدیوی از پیش ذخیره شده YOLO YOLO Pre-Saved Video

  • ویدیوی از پیش ذخیره شده YOLO YOLO Pre-Saved Video

ویدیوی کوچک YOLO از پیش ذخیره شده Tiny YOLO Pre-Saved Video

  • ویدیوی کوچک YOLO از پیش ذخیره شده Tiny YOLO Pre-Saved Video

ویدیوی بی‌درنگ YOLO کوچک Tiny YOLO Real-Time Video

  • ویدیوی بی‌درنگ YOLO کوچک Tiny YOLO Real-Time Video

YOLOv4 - مرحله 1 - به روز رسانی نسخه OpenCV YOLOv4 - Step 1 - Updating OpenCV Version

  • YOLOv4 - مرحله 1 - به روز رسانی نسخه OpenCV YOLOv4 - Step 1 - Updating OpenCV Version

YOLOv4 - مرحله 2 - پیاده سازی تشخیص شی YOLOv4 - Step 2 - Object Recognition Implementation

  • YOLOv4 - مرحله 2 - پیاده سازی تشخیص شی YOLOv4 - Step 2 - Object Recognition Implementation

نمایش نظرات

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.

آموزش Computer Vision: Python OCR و شروع سریع تشخیص اشیا [ویدئو]
جزییات دوره
4 h 41 m
44
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Abhilash Nelson Abhilash Nelson

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.