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

  • جمع‌بندی نهایی دوره Course Wrap-Up

نمایش نظرات

آموزش آشنایی با بینایی ماشین و پردازش تصویر
جزییات دوره
23h 50m
26
(آخرین آپدیت)
107,408
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Aije Egwaikhide Aije Egwaikhide