آموزش مدل‌های یادگیری ماشین و ساخت اپلیکیشن‌های فلوتر هوشمند ۲۰۲۴

درس ها Lessons

• دوربین: نمای کلی بسته دوربین Camera: Camera Package Overview

• تصاویر ML: انجام برچسب‌گذاری تصویر در فلاتر با تصاویر ML Images: Performing Image Labeling in Flutter With Images

• Realtime ML: تبدیل فریم های دوربین و پردازش یک به یک آنها در فلاتر Realtime ML: Converting Camera Frames and Processing them one by one in Flutter

• رویکرد ML 2: آموزش مدل طبقه بندی تصاویر سفارشی ML Approach 2: Training Custom Image Classification Model

• تصاویر ML: نمایش نتایج مدل های ML روی صفحه به کاربر در Flutter ML Images: Showing ML models results on Screen to the User in Flutter

• ML سفارشی: استفاده از مدل آموزش‌دیده آموزش انتقال در فلاتر Custom ML: Using Transfer Learning Trained Model in Flutter

• دوربین: ایجاد پروژه فلاتر جدید و افزودن کتابخانه Camera: Creating new Flutter project and Adding library

• دوربین: نمایش فیلم زنده دوربین در فلاتر Camera: Displaying Live Camera Footage in Flutter

• ML Images: راه اندازی پروژه برچسب گذاری تصویر با تصاویر فلاتر ML Images: Setting up the Image Labeling With Images Flutter Project

• معرفی Google Colab Google Colab Introduction

• رویکرد ML 1: پیوست کردن ابرداده با مدل‌های آموزش‌دیده Tensorflow Lite ML Approach 1: Attaching Metadata with Trained Tensorflow Lite Models

• Realtime ML: عبور فریم ها در مدل طبقه بندی تصویر و دریافت نتایج در Flutter Realtime ML: Passing Frames on Image Classification model and Getting Results in Flutter

• تصاویر ML: افزودن کتابخانه در Flutter و Setup برای اندروید و IOS ML Images: Adding Library in Flutter and Setup for Android and IOS

• رویکرد ML 2: تقسیم مجموعه داده ها به بخش های آزمایش قطار و اعتبار سنجی ML Approach 2: Dividing dataset into train test and validation parts

• معرفی کلاس Class Introduction

• ImagePicker: گرفتن تصاویر با استفاده از دوربین در فلوتر ImagePicker: Capturing Images using Camera in Flutter

• Realtime ML: ایجاد رابط کاربری گرافیکی از برنامه Flutter طبقه بندی تصاویر بیدرنگ Realtime ML: Building GUI of Realtime Image Classification Flutter Application

• رویکرد ML 1: آموزش، آزمایش و تبدیل مدل به Tensorflow Lite ML Approach 1: Training, Testing and Converting Model into Tensorflow Lite

• اولین مدل طبقه بندی تصویر سفارشی خود را در 25 دقیقه آموزش دهید Train Your First Custom Image Classification Model in 25 Minutes

• جمع آوری داده ها: کاوش مجموعه داده های دانلود شده برای آموزش مدل های طبقه بندی تصاویر سفارشی Data Collection: Exploring Downloaded dataset for training custom image classification models

• دوربین: گرفتن فریم های فیلم دوربین یکی یکی در فلاتر Camera: Getting Frames of Camera Footage One by One in Flutter

• معرفی بخش توسعه برنامه App Development Section Intorduction

• رویکرد ML 1: کاوش ماشین قابل آموزش و آپلود مجموعه داده برای آموزش مدل ML Approach 1: Exploring Teachable Machine and Uploading Dataset for Model Training

• رویکرد ML 1: پیوست کردن متادیتا و دانلود مدل آماده برای استفاده ML Approach 1: Attaching Metadata and Downloading Ready to Use Model

• Realtime ML: نمایش تصویر قاب در فیلم دوربین در Flutter Realtime ML: Showing Frame Image on Camera Footage in Flutter

• رویکرد ML 2: آپلود مجموعه داده و اتصال Google Drive ML Approach 2: Uploading Dataset and Connecting Google Drive

• گردآوری داده ها: مقدمه Data Collection: Introduction

• تصاویر ML: بهتر نشان دادن نتایج برچسب‌گذاری تصویر در فلاتر ML Images: Making Image Labeling Results Look better in Flutter

• تصاویر ML: برچسب گذاری تصویر با تصاویر در نمای کلی فلاتر ML Images: Image Labeling with Images in Flutter Overview

• ImagePicker: انتخاب تصاویر از گالری در فلاتر ImagePicker: Choosing Images From Gallery In Flutter

• تصاویر ML: ایجاد رابط کاربری گرافیکی برچسب‌گذاری تصویر با برنامه فلوتر تصاویر ML Images: Building GUI of Image Labeling with Images Flutter Application

• ImagePicker: Overivew ImagePicker: Overivew

• ImagePicker: راه اندازی یک پروژه Flutter جدید و ایجاد رابط کاربری گرافیکی برنامه ImagePicker: Setting Up a new Flutter Project and Creating Application GUI

• رویکرد ML 2: نصب و وارد کردن کتابخانه ها برای آموزش مدل ML Approach 2: Installing and Importing Libraries for Model Training

• Realtime ML: راه اندازی پروژه برچسب گذاری تصویر در زمان واقعی در Flutter Realtime ML: Setting up Real Time Image Labeling Project in Flutter

• رویکرد ML 2: آزمایش مدل و تبدیل آن به فرمت Tensorflow Lite ML Approach 2: Testing the model and Converting it to Tensorflow Lite Format

• جمع آوری داده ها: یافتن مجموعه داده آماده برای استفاده برای آموزش مدل های طبقه بندی تصویر Data Collection: Finding ready to use dataset for training image classification models

• معرفی و کاربردهای طبقه بندی تصویر Image Classification Introduction & Applications

• ImagePicker: افزودن کتابخانه و تنظیم تنظیمات برای Android و IOS ImagePicker: Adding the Library and setting configurations for Android & IOS

• ML سفارشی: اضافه کردن مدل tensorflow lite در پروژه Flutter Custom ML: Adding tensorflow lite model in Flutter Project

• Realtime ML: راه‌اندازی کتابخانه برچسب‌گذاری تصویر برای Android و IOS در Flutter Realtime ML: Setting up Image Labeling Library for Android & IOS in Flutter

• مقدمه بخش آموزش انتقال Transfer Learning Section Introduction

• Custom ML: بارگیری مدل سفارشی و استفاده از آن در Flutter Custom ML: Loading custom model and using it in Flutter