آموزش سیستم حضور و غیاب تشخیص چهره با استفاده از هوش مصنوعی، استقرار اپلیکیشن وب در AWS - آخرین آپدیت

دانلود Face Recognition Attendance System Web App Deploy in AWS

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

ساخت سیستم حضور و غیاب جامع با تشخیص چهره، یادگیری ماشین، Redis و Streamlit

این دوره آموزشی شما را در ساخت یک سیستم حضور و غیاب کامل با استفاده از فناوری تشخیص چهره راهنمایی می‌کند. اصول تشخیص چهره، پردازش تصویر و الگوریتم‌های یادگیری ماشین را فرا خواهید گرفت تا یک سیستم حضور و غیاب دقیق و قابل اعتماد ایجاد کنید.

سیستم حضور و غیاب آنلاین و لحظه‌ای

شناسایی نام و نقش افراد با استفاده از تشخیص چهره به صورت لحظه‌ای.

توسعه 3 برنامه وب با Streamlit

ساخت سه برنامه وب مختلف با استفاده از Streamlit برای کاربردهای گوناگون.

ادغام مدل تشخیص چهره با پایگاه داده Redis

یاد بگیرید چگونه مدل تشخیص چهره خود را با پایگاه داده Redis ادغام کنید.

آموزش Redis با پایتون

مفاهیم کلیدی Redis را به همراه نحوه استفاده از آن با پایتون بیاموزید.

برنامه‌های کاربردی:

  • برنامه 1: سیستم حضور و غیاب آنلاین و لحظه‌ای
  • برنامه 2: فرم ثبت نام برای معلمان و دانش‌آموزان جدید
  • برنامه 3: گزارش‌گیری

پیش نیازها:

حداقل دانش مقدماتی از زبان برنامه‌نویسی پایتون.

آشنایی اولیه با کتابخانه‌های Pandas، Numpy و OpenCV.

در طول این دوره، از زبان برنامه‌نویسی پایتون و کتابخانه‌های مختلف مانند OpenCV، Numpy، Pandas، Insightface و Redis برای ساخت یک سیستم حضور و غیاب جامع استفاده خواهید کرد. با یادگیری اصول اولیه تشخیص چهره، استخراج ویژگی‌ها و الگوریتم‌های تشخیص چهره شروع خواهید کرد. سپس، این الگوریتم‌ها را با سیستم حضور و غیابی که از ابتدا خواهید ساخت، ادغام خواهید کرد.

در پایان دوره، یک سیستم حضور و غیاب کامل خواهید داشت که قادر است افراد را شناسایی کرده و بر اساس ویژگی‌های صورتشان حضور و غیاب آنها را ثبت کند. این دوره برای مبتدیان در برنامه‌نویسی و یادگیری ماشین مناسب است و نیازی به دانش قبلی در مورد تشخیص چهره نیست.

مباحث تحت پوشش در این دوره:

  • آشنایی با تشخیص چهره و سیستم‌های حضور و غیاب
  • تکنیک‌های اولیه پردازش تصویر
  • استخراج ویژگی و کاهش ابعاد
  • الگوریتم‌های تشخیص چهره
  • یادگیری ماشین برای تشخیص چهره
  • ساخت یک سیستم حضور و غیاب با تشخیص چهره
  • Redis با پایتون
  • ادغام Redis و سیستم تشخیص چهره
  • فرم ثبت نام (اضافه کردن اطلاعات فرد جدید)
  • Streamlit برای برنامه‌های وب
  • برنامه پیش‌بینی زنده و لحظه‌ای
    • فرم ثبت نام
    • گزارش

در پایان این دوره، درک قوی‌ای از نحوه ایجاد یک سیستم حضور و غیاب کامل با استفاده از فناوری تشخیص چهره خواهید داشت. همچنین مهارت‌هایی را برای به کارگیری این دانش در سایر برنامه‌های کاربردی بینایی کامپیوتر کسب خواهید کرد.

به امید دیدار شما در این دوره.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • برنامه درسی دوره Course Curriculum

  • منابع کامل Complete Resources

  • OpenCV با پایتون OpenCV with Python

راه اندازی محیط Setting up Environment

  • [مهم] چه نسخه ای از پایتون را نصب کنیم؟ [IMPORTANT] What Python version to install ?

  • نصب نسخه مناسب پایتون Install appropriate Python version

  • هشدار: رد نشوید WARNING : DONT NOT SKIP

  • نصب محیط مجازی Install Virtual Environment

  • نصب بسته های مورد نیاز Install Required Packages

دوره فشرده Redis به عنوان پایگاه داده [پایتون]: اختیاری Redis as Database Crash Course [Python]: Optional

  • لینک های مفید Useful links

  • راه اندازی Redis cloud Setting up Redis cloud

  • اتصال نوت بوک به Redis CLI (کلاینت) با استفاده از هاست، پورت و پسورد Connect notebook to Redis CLI (Client) using host, port and password

  • ساختارهای داده Redis Redis Data Structures

  • Redis: دستورات رشته ("set"، "get") Redis: Strings commands ("set", "get")

  • Redis: رشته - SET قسمت 2 Redis: String - SET part 2

  • Redis: رشته - قسمت 3 Redis: String - Part 3

  • Redis: رشته - قسمت 4 Redis: String - Part 4

  • Redis: رشته - قسمت 5 Redis: String - part 5

  • Redis: رشته - قسمت 6 Redis: String - part 6

  • Redis String: رشته (دستورات اضافی) Redis String: String (additional commands)

  • معرفی Redis با پایتون Intro to Redis with Python

  • لیست Redis Redis List

  • لیست Redis قسمت 2 Redis List part 2

  • لیست Redis قسمت 3 Redis List part 3

  • لیست Redis قسمت 4 Redis List part 4

  • لیست Redis قسمت 5 Redis List part 5

تشخیص چهره با API اینسایت فیس Face Recognition with InsightFace API

  • لینک های مفید Useful Links

  • معرفی سیستم تشخیص چهره سریع خودکار Automatic Fast Face Recongnition System Intro

  • اینسایت فیس چیست و چرا؟ What and Why Insightface

  • نصب اینسایت فیس InsightFace Install

  • وارد کردن اینسایت فیس و نحوه رفع خطای رایج import error Import insightface & how to solve common error import error

  • پیکربندی مدل های از پیش آموزش داده شده اینسایت فیس در پایتون Configure Pretrained Models of Insightface in python

  • حل تمرین: پیکربندی مدل "bufallo_sc" Assignment Solution: Configure "bufallo_sc" model

  • دریافت نتایج/گزارش تجزیه و تحلیل چهره از اینسایت فیس پایتون Get Face Analysis results/report from Insightface python

  • رسم جعبه محدود کننده، نقاط کلیدی، سن، جنسیت برای چند چهره قسمت -1 Draw bounding box, Key points, Age, Gender for multiple faces part -1

  • رسم جعبه محدود کننده، نقاط کلیدی، سن، جنسیت برای چند چهره قسمت -2 Draw bounding box, Key points, Age, Gender for multiple faces part -2

  • حل تمرین: جعبه محدود کننده، نقاط کلیدی، امتیاز برای مدل buffalo_sc Assignment Solution: bbox, keypoints, score for buffalo_sc model

سیستم حضور و غیاب: تشخیص چهره سریع Attendance System : Fast Face Recognition

  • معرفی سیستم حضور و غیاب و آنچه در این دوره می سازیم Introduction to Attendance System and What we are building in this course

  • نمودار جریان سیستم حضور و غیاب Flow Diagram of Attendance System

  • دریافت داده ها و درک ساختار پوشه داده ها Get Data & Understand the folder structure of data

  • تشخیص چهره سریع: آماده سازی داده ها در پایتون Fast Face Recognition: Data Preparation in Python

  • تشخیص چهره سریع (FFR): آماده سازی داده ها - پاکسازی متن (برچسب ها) Fast Face Recognition (FFR): Data Preparation - Clean Text (labels)

  • FFR: آماده سازی داده ها - تعریف مسیر تمام تصاویر FFR: Data Preparation - define path of all images

  • FFR: آماده سازی داده ها - استخراج جاسازی های چهره از تمام تصاویر FFR: Data Preparation - Extract Facial Embeddings from all images

  • پیش بینی نام شخص قسمت 1 Predicting Person name part 1

  • الگوریتم جستجوی یادگیری ماشین (ML) - فاصله اقلیدسی Machine Learning (ML) Search Algorithm - Euclidean Distance

  • الگوریتم جستجوی ML - فاصله منهتن ML Search Algorithm - Manhattan Distance

  • الگوریتم جستجوی ML - فاصله چبیشف ML Search Algorithm - Chebyshev Distance

  • الگوریتم جستجوی ML - فواصل مینکوفسکی ML Search Algorithm - Minkowski Distances

  • الگوریتم جستجوی ML - شباهت کسینوسی ML Search Algorithm - Cosine Similarity

  • روش های فاصله در مقابل شباهت Distance vs Similarity methods

  • الگوریتم جستجوی ML - روش فاصله ML Search Algorithm - Distance Method

  • الگوریتم جستجوی ML - روش شباهت ML Search Algorithm - Similarity Method

  • الگوریتم جستجوی ML در پایتون ML Search Algorithm in Python

  • تجزیه و تحلیل مقادیر اقلیدسی، منهتن و کسینوسی برای تصویر آزمایشی Analyzing Euclidean , Manhattan and Cosine values for test image

  • پیش بینی نام شخص با فاصله اقلیدسی Predicting Person Name with Euclidean Distance

  • پیش بینی نام شخص با فاصله منهتن Predicting Person Name with Manhattan Distance

  • پیش بینی نام شخص با شباهت کسینوسی Predicting Person Name with Cosine similarity

  • مزایای شباهت کسینوسی نسبت به فاصله اقلیدسی و منهتن. Advantages of Cosine similarity over Euclidean and Manhattan Distance.

  • شناسایی نام چندین نفر در یک تصویر قسمت 1 Identify Multiple Person Name in one image part 1

  • شناسایی نام چندین نفر در یک تصویر قسمت 2 Identify Multiple Person Name in one image part 2

  • شناسایی نام چندین نفر در یک تصویر قسمت 3 Identify Multiple Person Name in one image part 3

  • شناسایی نام چندین نفر در یک تصویر قسمت 4 Identify Multiple Person Name in one image part 4

  • بهینه سازی داده های جمع آوری شده (جاسازی های چهره) و ذخیره Optimize Collected data (facial embeddings) and save

  • بهینه سازی داده های جمع آوری شده (جاسازی های چهره) و ذخیره قسمت 2 Optimize Collected data (facial embeddings) and save part 2

سیستم حضور و غیاب: فرم ثبت نام و ادغام با Redis Attendance System : Registration Form & Integrate to Redis

  • ذخیره داده های جمع آوری شده در پایگاه داده Redis Save Collected data into Redis Database

  • ذخیره داده های جمع آوری شده در پایگاه داده Redis قسمت 2 Save Collected data into Redis Database part 2

  • ایده فرم ثبت نام در پایتون Idea of Registration form in Python

  • فرم ثبت نام: جمع آوری جزئیات دانشجویان و معلمان جدید Registration form: Collect details of new Students and Teachers

  • فرم ثبت نام: جمع آوری نمونه های جاسازی چهره برای ثبت نام جدید Registration form: Collect face embedding samples for new registry

  • فرم ثبت نام: ذخیره اطلاعات در پایگاه داده Redis Registration form: Store information in Redis database

سیستم حضور و غیاب: تشخیص نام شخص در زمان واقعی Attendance System : Real Time Person name detection

  • چه چیزی را توسعه می دهیم What we are developing

  • تهیه ماژول پایتون برای پیش بینی در زمان واقعی Preparing Python module for Real time prediction

  • بازیابی داده ها از پایگاه داده Retrieve data from database

  • پیش بینی نام شخص در زمان واقعی Real Time Person Name prediction

  • پیش بینی نام شخص در زمان واقعی قسمت 2 Real Time Person Name Prediction part 2

  • رفع خطای شکل ناهمگن Resolve Inhomogeneous Shape Error

نصب برنامه WEB WEB APP Installations

  • نصب ویژوال استودیو کد Install Visual Studio Code

  • نصب کتابخانه های مورد نیاز Install required libraries

برنامه وب حضور و غیاب Attendance Web App

  • معرفی برنامه Streamlit Streamlit App Intro

  • ایجاد صفحه اصلی و اتصال همه صفحات از صفحه اصلی Create Home and connect all Pages from Home page

  • وارد کردن face_rec به برنامه و بازیابی داده ها از Redis Import face_rec into app and retrive data from Redis

  • اعمال Spinner به face_rec و کاهش زمان شروع برنامه Apply Spinner to face_rec and reduce the time to start the app

  • تشخیص نام شخص در زمان واقعی با استفاده از streamlit webrtc Real Time Person name detection using streamlit webrtc

  • پیدا کردن زمانی که نام شخص شناسایی می شود Find time at which person name is detected

  • ذخیره گزارش (نام شخص و زمان) در پایگاه داده Redis Save Logs (person name and time) in Redis database

  • ذخیره گزارش (نام شخص و زمان) در پایگاه داده Redis قسمت 2 Save Logs (person name and time) in Redis database part 2

  • نمایش گزارش ها در گزارش Streamlit Show Logs in Streamlit Report

  • نمایش گزارش ها: اضافه کردن دکمه تازه سازی Show Logs: Add refresh button

  • نمایش گزارش ها: ایجاد زبانه برای کاربران ثبت نام شده و گزارش ها Show Logs: Create tabs for Registered users and Logs

  • تست گزارش ها Testing logs

  • فرم ثبت نام قسمت 1 Registration Form part 1

  • فرم ثبت نام قسمت 2 Registration Form Part 2

  • فرم ثبت نام قسمت 3 Registration Form part 3

  • فرم ثبت نام قسمت 4 Registration Form part 4

  • تست فرم ثبت نام Testing Registration form

سخنرانی های اضافی Additional Lectures

  • نحوه حذف سوابق کاربر (دانشجویان یا معلمان) در "academy:register" How to delete User (Students or Teachers) Records in "academy:register"

استقرار برنامه Streamlit در نمونه AWS EC2 Deploy Streamlit App in AWS EC2 instance

  • نصب GIT Install GIT

  • ایجاد حساب کاربری در AWS Create account in AWS

  • فرآیند گام به گام برای استقرار streamlit ما در AWS EC2 Instance STEP by STEP process to Deploy our streamlit in AWS EC2 Instance

  • گام -1: تنظیم کد برای استقرار. Step -1: Setup the code for deployment.

  • گام - 2: تنظیم Streamlit برای عمل به عنوان سرور HTTPS و STUN برای webrtc Step - 2: Step up Streamlit to sever as HTTPS and STUN server for webrtc

  • گام -3: ارسال کد به مخزن Github Step -3: Push code to Github Repository

  • گام -4: ایجاد EC2 Instance Step -4: Create EC2 Instance

  • گام -4 ادامه..: اجرای برنامه Streamlit در EC2 Instance Step -4 cont..: Run Streamlit App in EC2 Instance

  • گام -5: پیکربندی HTTPS با Apache2 Server Step -5: Configure HTTPS with Apache2 Server

  • گام -5 ادامه: پیکربندی HTTPS با Apache2 Server Step -5 cont: Configure HTTPS with Apache2 Server

  • گام -6: تولید با PM2 Step -6: Production with PM2

  • گام -7: اضافه کردن قوانین ورودی UDP برای سرور STUN در EC2 Step -7: Add UDP Inbound rules for STUN server in EC2

علامت گذاری "زمان ورود"، "زمان خروج"، "حاضر/غایب" از گزارش ها Mark "In Time", "Out Time", "Present / Absent" from logs

  • کد "app" به روز شده Updated "app" code

  • پیش پردازش داده های گزارش Pre-process Logs data

  • زمان ورود و زمان خروج In-Time and Out-time

  • گزارش های شبیه سازی شده Simulated Logs

  • بارگذاری گزارش های شبیه سازی شده Upload Simulated logs

  • علامت گذاری حاضر یا غایب Mark Present or Absent

  • خطای Timestamp Timestamp Error

  • فرم و تولید گزارش Form and Generate Report

موضوعات اضافی Additional topics

  • کد اضافی با Authenticator (ورود به سیستم) Additional Code with Authenticator (Login)

پاداش BONUS

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش سیستم حضور و غیاب تشخیص چهره با استفاده از هوش مصنوعی، استقرار اپلیکیشن وب در AWS
جزییات دوره
12.5 hours
119
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,051
4.4 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

Data Science Anywhere Team Data Science Anywhere Team

تیم مهندس و توسعه دهندگان سلام ، ما تیمی متشکل از کارشناسان یادگیری ماشین ، توسعه دهندگان هوش مصنوعی هستیم که با هم همکاری می کنند تا وضعیت هنر هوش مصنوعی را پیشرفت دهند. وقتی دوره های جدید آزاد می شوید ، با پرسش و پاسخ و بسیاری موارد دیگر از ما می شنوید. ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. با تشکر، تیم Data Science Anywhere

Srikanth Gusksra Srikanth Gusksra

توسعه دهنده هوش مصنوعی سلام به همه ، ما تیم دانشمندان داده هستیم و در طول دوره با شما همراه خواهیم بود. ما به تمام س yourالات شما در رابطه با دوره پاسخ خواهیم داد و اگر در اجرای کد ساختار دارید ، به شما کمک می کنیم خطاها را برطرف کنید. بسیار سپاسگزارم و یادگیری مبارک. علم داده در هر کجا

Brightshine Learn Brightshine Learn

تیم مربی