آموزش پردازش تصویر و بینایی کامپیوتری مبتنی بر پایتون کامل

سرفصل ها و درس ها

بینایی کامپیوتر با پایتون - مقدمه ای بر دوره Computer Vision with Python - Introduction to the Course

• Python Image Processing & Computer Vision - خوش آمدید Python Image Processing & Computer Vision - Welcome

• داده و کد Data and Code

• با محیط علم داده پایتون شروع کنید Get Started With the Python Data Science Environment

• برای کاربران مک For Mac Users

• مقدمه ای بر آی پایتون/ژوپیتر Introduction to iPython/Jupyter

• کار با Colabs Working With Colabs

تجزیه و تحلیل تصویر پایتون - شروع کار با پردازش تصویر اولیه در پایتون Python Image Analysis - Getting Started With Basic Image Processing in Python

• تصاویر چیست؟ What Are Images?

• در تصاویر در پایتون بخوانید Read in Images in Python

• برخی از تبدیل های اولیه تصویر Some Basic Image Conversions

• تغییر اندازه اصلی تصویر Basic Image Resizing

• درون یابی چیست؟ دیدگاه جغرافیایی What is Interpolation? A Geographic Perspective

• تبدیل های اولیه تصویر Basic Image Transformations

• کشش کنتراست Contrast Stretching

• فیلتر کردن تصاویر Filtering Images

مقدمه ای بر بینایی کامپیوتر Introduction to Computer Vision

• کامپیوتر ویژن چیست؟ What is Computer Vision?

• در تصاویر با استفاده از OpenCV بخوانید Read in Images Using OpenCV

• فیلتر کردن تصویر با OpenCV Image Filtering With OpenCV

• تشخیص لبه با OpenCV Edge Detection With OpenCV

• تشخیص بیشتر لبه: روش سوبل More Edge Detection: Sobel Method

• تشخیص گوشه Corner Detection

• تشخیص چهره با ویژگی های هار: تئوری Face Detection With Haar Features: Theory

• شناسایی چهره Face Detection

تشخیص تصویر - یادگیری ماشینی چیست؟ Image Recognition - What is Machine Learning?

• مقدمه ای بر برخی مفاهیم Introduction to Some Concepts

روش های یادگیری بدون نظارت Unsupervised Learning Methods

• یادگیری بدون نظارت چیست؟ What is Unsupervised Learning?

• نظریه پشت PCA Theory Behind PCA

• پیاده سازی PCA روی تصاویر Implement PCA on Images

• PCA برای بازسازی تصویر PCA For Image reconstruction

• PCA تصادفی شده Randomised PCA

• نظریه پشت K-means Theory Behind K-means

• K-Means برای بازسازی تصویر K-Means For Image Reconstruction

• طبقه بندی داده های با ابعاد بالا با t-SNE Classify High Dimensional Data With t-SNE

• مطالعه موردی عملی: شناسایی گلها Practical Case Study: Identify Flowers

• گلها را خوشه کنید: در تصاویر بخوانید Cluster the Flowers: Read in Images

• PCA را پیاده سازی کنید Implement PCA

• پیاده سازی t-SNE Implement t-SNE

یادگیری تحت نظارت: طبقه بندی تصاویر Supervised Learning: Classifying Images

• مقدمه ای کوتاه بر یادگیری تحت نظارت Brief Introduction to Supervised Learning

• پیاده سازی SVM برای طبقه بندی ارقام Implement SVM to Classify Digits

• ارزیابی دقت Accuracy Assessment

• پیاده سازی RF برای طبقه بندی ارقام Implement RF to Classify Digits

با یادگیری عمیق شروع کنید Start With Deep Learning

• چرا یادگیری عمیق؟ Why Deep Learning?

• دستورالعمل های کتبی نصب Tensorflow Written Tensorflow Installation Instructions

• Keras را روی ویندوز 10 نصب کنید Install Keras on Windows 10

• Keras را در مک نصب کنید Install Keras on Mac

• دستورالعمل های کتبی نصب Keras Written Keras Install Instructions

یادگیری عمیق برای طبقه بندی تصاویر Deep Learning For Image Classification

• مقدمه ای بر CNN Introduction to CNN

• یک CNN برای طبقه بندی نظارت شده چند کلاسه اجرا کنید Implement a CNN for Multi-Class Supervised Classification

• توابع فعال سازی Activation Functions

• بیشتر در CNN More on CNN

• پیش نیاز برای کار با داده های تصویری Pre-Requisite For Working With Imagery Data

• CNN در مورد داده های تصویری - قسمت 1 CNN on Image Data-Part 1

• CNN در مورد داده های تصویری - قسمت 2 CNN on Image Data-Part 2

• بیشتر در TFLearn More on TFLearn

• گردش کار CNN برای Keras CNN Workflow for Keras

• CNN با Keras CNN With Keras

• CNN در مورد داده های تصویری با Keras-Part 1 CNN on Image Data with Keras-Part 1

• CNN در مورد داده های تصویری با Keras-Part 2 CNN on Image Data with Keras-Part 2

آموزش انتقالی Transfer Learning

• آموزش انتقالی چیست؟ What is Transfer Learning?

• یک مدل InceptionV3 را روی تصاویر واقعی پیاده سازی کنید Implement an InceptionV3 model on Real Images

یادگیری عمیق بدون نظارت Unsupervised Deep Learning

• رمزگذارهای خودکار ساده Simple Autoencoders

• محدودیت Sparity را اضافه کنید Add Sparsity Constraint

سخنرانی های متفرقه Miscellaneous Lectures

• معرفی Github Github Intro

• کولب Colab