تقسیم بندی تصویر

Image Segmentation

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: شما می خواهید که برنامه شما تصاویر دیجیتال را مصرف کند و آنها را به داده های قابل استفاده تبدیل کند، اما انجام این کار به صورت دستی بسیار زمان بر است. در این دوره آموزشی، تقسیم‌بندی تصویر، یاد می‌گیرید که از کتابخانه‌های پایتون و مدل‌های یادگیری عمیق برای خودکارسازی تفسیر تصویر خود از طریق تقسیم‌بندی استفاده کنید. ابتدا با استفاده از کتابخانه های OpenCV و Pillow کاوش خواهید کرد. در مرحله بعد، نحوه تنظیم دقیق آن کتابخانه ها، از جمله از طریق استفاده از الگوریتم حوضه، را خواهید یافت. در نهایت، نحوه استفاده از مدل‌های یادگیری عمیق U-Net و Mask R-CNN را خواهید آموخت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش مربوط به تقسیم بندی تصویر را خواهید داشت که برای گنجاندن تفسیر تصویر در گردش کار برنامه خود لازم است.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

بررسی اجمالی دوره Course Overview

تقسیم بندی تصویر با استفاده از OpenCV و PIllow Image Segmentation Using OpenCV and PIllow

استفاده از OpenCV برای تقسیم بندی تصویر Using OpenCV for Image Segmentation
به کارگیری الگوریتم حوضه آبخیز Applying the Watershed Algorithm
استفاده از بالش برای تقسیم بندی تصویر Using Pillow for Image Segmentation

تقسیم بندی تصویر با استفاده از مدل های یادگیری عمیق Image Segmentation Using Deep Learning Models

معرفی مدل یادگیری عمیق U-Net Introducing the U-Net Deep Learning Model
آماده سازی داده های ما برای تقسیم بندی تصویر Preparing Our Data for Image Segmentation
استفاده از مدل U-Net در تقسیم بندی تصویر Applying the U-Net Model to Image Segmentation
اجرای مدل Executing the Model