آموزش ساخت ویژگی های Computer Vision در Microsoft Azure

Building Features for Computer Vision in Microsoft Azure

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره نحوه استفاده از یک الگوریتم و همچنین یک رویکرد یادگیری عمیق برای ایجاد ویژگی های داده های تصویر در Microsoft Azure را پوشش می دهد. دید کامپیوتر بینش و تجارب را امکان پذیر می کند که قبلاً امکان پذیر نبودند ، اما دانستن نحوه استخراج می تواند ترسناک باشد. اطلاعاتی که از طریق یک تصویر نیاز دارید. در این دوره ، Building Features from Image Data in Microsoft Azure ، شما می آموزید که چگونه از ابزارها و خدمات ارائه شده توسط Microsoft Azure در کنار دید رایانه رایج و چارچوب های یادگیری عمیق برای استخراج اطلاعات مربوطه از تصاویر استفاده کنید. ابتدا ، شما بینایی رایانه ، موارد استفاده از آن را بررسی خواهید کرد و همچنین به آنچه Azure ارائه می دهد نگاهی خواهید انداخت تا این امر برای شما آسان تر شود. در مرحله بعدی ، با مرور توصیفگرهای ویژگی معروف مانند تغییر ویژگی غیر متغیر در مقیاس و هیستوگرام شیب های گرا ، در مورد رویکرد الگوریتمی بینایی رایانه یاد خواهید گرفت. سرانجام ، شما به عنوان ابزاری برای استفاده از قدرت دید در رایانه با ایجاد یک شبکه عصبی کانولوشن برای طبقه بندی تصاویر ، به یادگیری عمیق خواهید پرداخت. پس از اتمام این دوره ، دانش و ابزار لازم برای ساخت ویژگی های داده های تصویری خود را در Microsoft Azure خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کاوش بینایی رایانه ای در Azure Exploring Computer Vision on Azure

  • بررسی اجمالی Overview

  • مقدمه ای بر چشم انداز رایانه Introduction to Computer Vision

  • رویکردهای Computer Vision Approaches to Computer Vision

  • Azure Services for Computer Vision Azure Services for Computer Vision

  • راه اندازی یک نمونه نوت بوک Launching a Notebook Instance

  • خلاصه Summary

استفاده از الگوریتم های SIFT و HOG برای تشخیص ویژگی ها Utilizing the SIFT and HOG Algorithms for Feature Detection

  • بررسی اجمالی Overview

  • تکنیک های پردازش تصویر Image Processing Techniques

  • مقدمه SIFT SIFT Introduction

  • استخراج و تطبیق ویژگی ها با SIFT Extracting and Matching Features with SIFT

  • مقدمه HOG HOG Introduction

  • استخراج و تطبیق ویژگی ها با HOG Extracting and Matching Features with HOG

  • خلاصه Summary

استفاده از شبکه های عصبی کانولوشن برای استخراج ویژگی Leveraging Convolutional Neural Networks for Feature Extraction

  • بررسی اجمالی Overview

  • بررسی اجمالی شبکه عصبی Neural Network Overview

  • بررسی اجمالی شبکه عصبی Convolutional Convolutional Neural Network Overview

  • کار با MNIST Working with MNIST

  • ایجاد CNN برای طبقه بندی Creating a CNN for Classification

  • خلاصه Summary

نمایش نظرات

آموزش ساخت ویژگی های Computer Vision در Microsoft Azure
جزییات دوره
1h 38m
20
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
12
4.4 از 5
دارد
دارد
دارد
David Tucker
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

David Tucker David Tucker

دیوید یک مشاور توسعه ابر برنده جایزه Webby است که بر برنامه های وب بومی ، تلفن همراه و اینترنت اشیا cloud ابری تمرکز دارد. دیوید برای بیش از پانزده سال به عنوان مشاور ، توسعه نرم افزار سفارشی را در سیستم عامل های در حال ظهور برای شرکت هایی مانند FedEx ، AT&T ، Sony Music ، Intel ، Comcast ، هرمان میلر ، Principal Financial و Adobe (و همچنین بسیاری دیگر) هدایت کرده است. دیوید با کارهای منتشر شده برای O'Reilly و Lynda.com مرتباً در زمینه دیجیتال می نویسد و صحبت می کند. او برای Mashable ، Smashing Magazine و VentureBeat نویسندگی کرده و در رویدادهایی مانند AdTech ، Interop و Adobe Max سخنرانی کرده است.