لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آشنایی با بینایی ماشین و پردازش تصویر
- آخرین آپدیت
دانلود Introduction to Computer Vision and Image Processing
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
قدرت بینایی ماشین را برای افزودن هوشمندی به تصاویر و ویدیوها آزاد کنید!
این دوره شما را با مهارتهای عملی برای درک و بهکارگیری بینایی ماشین (CV) آشنا میکند؛ شاخهای در حال رشد سریع از هوش مصنوعی و یادگیری ماشین که نوآوریهایی از خودروهای خودران تا واقعیت افزوده را به پیش میبرد.
از طریق آزمایشگاههای عملی و هدایتشده با استفاده از پایتون (Python)، کتابخانههای Pillow و OpenCV، شما وظایف ضروری پردازش تصویر مانند فیلترگذاری، بهبود کیفیت، طبقهبندی و تشخیص اشیاء را انجام خواهید داد؛ تمام این مراحل در محیط JupyterLab برای یک تجربه یادگیری یکپارچه طراحی شده است.
در پایان این دوره، شما از یادگیری انتقالی (Transfer Learning) با یک شبکه عصبی عمیق پیشآموزشدیده برای ساخت مدل طبقهبندی تصاویر استفاده کرده و با آزمایش هایپرپارامترهای مختلف، عملکرد مدل را روی یک مجموعه داده بهینه خواهید کرد.
برای شرکت در این دوره، داشتن دانش پایه در زمینه پایتون، یادگیری ماشین و یادگیری عمیق ضروری است.
تنها در عرض چند هفته، یاد میگیرید چگونه پیکسلها را به بینشهای کاربردی تبدیل کنید و سفر خود را در دنیای هوش بصری مبتنی بر AI آغاز کنید.
همین امروز ثبتنام کنید و آینده را با بینایی ماشین بسازید!
سرفصل ها و درس ها
مقدمهای بر بینایی ماشین
Introduction to Computer Vision
معرفی دوره
Course Introduction
آشنایی با بینایی ماشین
Introduction to Computer Vision
کاربردهای بینایی ماشین
Applications of Computer Vision
تحقیقات اخیر در بینایی ماشین
Recent Research in Computer Vision
طوفان فکری برای ایدههای کاربردی شما
Brainstorming Your Own Applications
پردازش تصویر با OpenCV و Pillow
Image Processing with OpenCV and Pillow
تصویر دیجیتال چیست؟
What Is A Digital Image
دستکاری تصاویر
Manipulating Images
تغییرات پیکسل به پیکسل در تصاویر
Manipulating Images One Pixel At a Time
تبدیلات پیکسلی
Pixel Transformations
عملیات هندسی
Geometric Operations
عملیات مکانی در پردازش تصویر
Spatial Operations in Image Processing
یادگیری ماشین و طبقهبندی تصاویر
Machine Learning Image Classification
مقدمهای بر طبقهبندی تصاویر
Introduction to Image Classification
طبقهبندی تصاویر با الگوریتم KNN
Image Classification with KNN
طبقهبندیکنندههای خطی
Linear Classifiers
آموزش رگرسیون لجستیک: گرادینت نزولی
Logistic Regression Training: Gradient Descent
گرادینت نزولی دستهای کوچک (Mini Batch)
Mini-Batch Gradient Descent
تابع SoftMax و طبقهبندی چندکلاسه
SoftMax and Multi-Class Classification
ماشینهای بردار پشتیبان (SVM)
Support Vector Machines (SVM)
ویژگیهای تصویر
Image Features
شبکههای عصبی و یادگیری عمیق برای طبقهبندی تصاویر
Neural Networks and Deep Learning for Image Classification
شبکههای عصبی
Neural Networks
معماری شبکه عصبی کاملاً متصل
Fully Connected Neural Network Architecture
شبکههای پیچشی (CNN)
Convolutional Networks
معماریهای CNN
CNN Architectures
تشخیص اشیاء
Object Detection
تشخیص اشیاء
Object Detection
تشخیص اشیاء با استفاده از Haar Cascade
Object Detection with Haar Cascade Classifier
پروژه عملی: طبقهبندی علائم ترافیکی (شبیهساز خودروی خودران)
Project Case: Not Quite a Self-Driving Car - Traffic Sign Classification
نمایش نظرات