آموزش ساختن برنامه های پردازش تصویر با استفاده از تصویر scikit

Building Image Processing Applications Using scikit-image

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در این دوره ، شما کتابخانه Python-scikit-image را کشف خواهید کرد که به شما امکان می دهد تکنیک های پیچیده پردازش تصویر را بر روی تصاویر اعمال کنید و به سرعت اطلاعات مهم یا تصاویر قبل از پردازش را برای ورود به مدل های یادگیری ماشین استخراج کنید. همه را بزرگ کنید بررسی اجمالی دوره 1m 58s کار با داده های تصویر 47 متر 31 ساله تشخیص شی و ویژگی 29 متر 8 ثانیه تقسیم بندی و تحول 30 متر 37s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کار با داده های تصویر Working with Image Data

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • معرفی scikit-image Introducing scikit-image

  • کار با تصاویر به عنوان آرایه های NumPy Working with Images as NumPy Arrays

  • نقاب زدن تصاویر با استفاده از دستکاری آرایه Masking Images Using Array Manipulation

  • نقاشی کردن تصاویر رنگی Masking Color Images

  • معرفی Block Views و Pooling Introducing Block Views and Pooling

  • بلوک نماها و عملیات جمع آوری Block Views and Pooling Operations

  • کانتورها Contours

  • بدنه محدب Convex Hull

  • تشخیص لبه Edge Detection

  • رابرتز و سوبل لبه یابی Roberts and Sobel Edge Detection

  • Canny Edge Detection Canny Edge Detection

تشخیص شی و ویژگی Object and Feature Detection

  • بررسی اجمالی ماژول Module Overview

  • ویژگی های تشخیص و توصیف تصویر Feature Detection and Image Descriptors

  • تجسم توصیف کنندگان دیزی بر روی تصاویر Visualizing Daisy Descriptors on Images

  • تجسم توصیفگرهای ویژگی هاگ Visualizing Hog Feature Descriptors

  • گوشه یابی Corner Detection

  • معرفی فیلترهای Denoising Introducing Denoising Filters

  • استفاده از فیلترهای Denoising Applying Denoising Filters

  • بازسازی ریخت شناسی Morphological Reconstruction

  • پر کردن سوراخ ها و یافتن قله ها با استفاده از فرسایش و گشاد شدن Filling Holes and Finding Peaks Using Erosion and Dilation

تقسیم بندی و تحول Segmentation and Transformation

  • بررسی اجمالی ماژول Module Overview

  • معرفی آستانه Introducing Thresholding

  • استفاده از الگوریتم های آستانه جهانی و محلی Applying Global and Local Thresholding Algorithms

  • نمودارهای تقسیم بندی تصویر و همسایگی منطقه Image Segmentation and Region Adjacency Graphs

  • تقسیم بندی و ادغام بخشها با استفاده از پارچه ها Segmentation and Merging Segments Using Rags

  • معرفی الگوریتم های آبخیزداری برای تقسیم بندی Introducing Watershed Algorithms for Segmentation

  • تقسیم بندی با استفاده از آبخیز کلاسیک و جمع و جور Segmentation Using Classic and Compact Watershed

  • اعمال تغییر شکل تصویر Applying Image Transformations

  • معرفی MSE و SSIM به عنوان اندازه گیری فاصله Introducing the MSE and SSIM as Distance Measures

  • مقایسه تصاویر با استفاده از MSE و SSIM Comparing Images Using MSE and SSIM

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش ساختن برنامه های پردازش تصویر با استفاده از تصویر scikit
جزییات دوره
1h 49m
34
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
18
4.3 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.