آموزش بوت‌کمپ بینایی ماشین با پایتون (OpenCV) - YOLO، SSD - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

آماده‌سازی محیط Environment Setup

• نصب پایتون Installing Python

• نصب PyCharm Installing PyCharm

• نصب OpenCV Installing OpenCV

تاریخچه بینایی کامپیوتر History of Computer Vision

• تحول الگوریتم‌های مرتبط با بینایی کامپیوتر Evolution of computer vision related algorithms

کار با تصاویر و پیکسل‌ها Handling Images and Pixels

• تصاویر و شدت پیکسل‌ها Images and pixel intensities

• کار با شدت پیکسل‌ها بخش اول Handling pixel intensities I

• کار با شدت پیکسل‌ها بخش دوم Handling pixel intensities II

• چرا کانولوشن در پردازش تصویر اینقدر مهم است؟ Why is convolution so important in image processing?

• پردازش تصویر – عملیات بلور کردن Image processing - blur operation

• پردازش تصویر – هسته تشخیص لبه Image processing - edge detection kernel

• پردازش تصویر – عملیات شارپ کردن Image processing - sharpen operation

• آزمون بینایی کامپیوتر Image processing quiz

پروژه بینایی کامپیوتر ۱ – مسئله تشخیص خطوط (خودروهای خودران) Computer Vision Project I - Lane Detection Problem (Self-Driving Cars)

• تشخیص خطوط – مسئله Lane detection - the problem

• تشخیص خطوط – کار با ویدئوها Lane detection - handling videos

• تشخیص خطوط – اولین تبدیل‌ها Lane detection - first transformations

• تشخیص لبه کان‌ی چیست؟ What is Canny edge detection?

• به دست آوردن ناحیه مفید تصویر – ماسک‌گذاری Getting the useful region of the image - masking

• تشخیص خطوط – تبدیل هاف چیست؟ Detecting lines - what is Hough transformation?

• تصویرسازی تبدیل هاف Hough transformation illustration

• رسم خطوط روی فریم‌های ویدئو Drawing lines on video frames

• آزمایش الگوریتم تشخیص خطوط Testing lane detection algorithm

• آزمون تشخیص خطوط Lane Detection Quiz

تئوری الگوریتم تشخیص چهره ویولا-جونز Viola-Jones Face Detection Algorithm Theory

• مقدمه مسئله تشخیص چهره Face detection problem introduction

• الگوریتم ویولا-جونز Viola-Jones algorithm

• ویژگی‌های هار Haar-features

• تصاویر انتگرالی Integral images

• بوستینگ در بینایی کامپیوتر Boosting in computer vision

• کاسکیدینگ Cascading

• مقالات تحقیقاتی اصلی دانشگاهی Original academic research articles

• آزمون تشخیص چهره Face Detection Quiz

پیاده‌سازی تشخیص چهره با روش ویولا-جونز Face Detection with Viola-Jones Method Implementation

• پیاده‌سازی تشخیص چهره بخش اول Face detection implementation I

• پیاده‌سازی تشخیص چهره بخش دوم Face detection implementation II

• پیاده‌سازی تشخیص چهره بخش سوم Face detection implementation III

تئوری الگوریتم هیستوگرام گرادیان‌های جهت‌دار (HOG) Histogram of Oriented Gradients (HOG) Algorithm Theory

• مبانی هیستوگرام گرادیان‌های جهت‌دار Histogram of oriented gradients basics

• هیستوگرام گرادیان‌های جهت‌دار – هسته گرادیان Histogram of oriented gradients - gradient kernel

• هیستوگرام گرادیان‌های جهت‌دار – بزرگی و زاویه Histogram of oriented gradients - magnitude and angle

• هیستوگرام گرادیان‌های جهت‌دار – نرمال‌سازی Histogram of oriented gradients - normalization

• هیستوگرام گرادیان‌های جهت‌دار – تصویر کلی Histogram of oriented gradients - big picture

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• آزمون هیستوگرام گرادیان‌های جهت‌دار (HOG) Histogram of Oriented Gradients (HOG) Quiz

پیاده‌سازی هیستوگرام گرادیان‌های جهت‌دار (HOG) Histogram of Oriented Gradients (HOG) Implementation

• نمایش برنامه‌نویسی ویژگی‌های HOG Showing the HOG features programatically

• پیاده‌سازی تشخیص چهره با HOG بخش اول Face detection with HOG implementation I

• پیاده‌سازی تشخیص چهره با HOG بخش دوم Face detection with HOG implementation II

• پیاده‌سازی تشخیص چهره با HOG بخش سوم Face detection with HOG implementation III

• پیاده‌سازی تشخیص چهره با HOG بخش چهارم Face detection with HOG implementation IV

رویکردهای مبتنی بر شبکه‌های عصبی کانولوشنال (CNNs) Convolutional Neural Networks (CNNs) Based Approaches

• روش استاندارد شبکه‌های عصبی کانولوشنال (CNN) The standard convolutional neural network (CNN) way

• پیشنهاد نواحی و شبکه‌های عصبی کانولوشنال (R-CNNs) Region proposals and convolutional neural networks (R-CNNs)

• طبقه‌بندی و تشخیص جعبه‌های مرزی با رگرسیون Classification and detecting bounding boxes with regression

• مدل Fast R-CNN چیست؟ What is the Fast R-CNN model?

• مدل Faster R-CNN چیست؟ What is the Faster R-CNN model?

• مقالات تحقیقاتی اصلی دانشگاهی Original academic research articles

• آزمون رویکردهای CNN CNN Approaches Quiz

تئوری الگوریتم You Only Look Once (YOLO) You Only Look Once (YOLO) Algorithm Theory

• رویکرد YOLO چیست؟ What is the YOLO approach?

• الگوریتم YOLO – سلول‌های شبکه YOLO algorithm - grid cells

• الگوریتم YOLO – تقاطع بر روی اتحادیه (Intersection over Union) YOLO algorithm - intersection over union

• چگونه الگوریتم YOLO را آموزش دهیم؟ How to train the YOLO algorithm?

• الگوریتم YOLO – تابع زیان (Loss Function) YOLO algorithm - loss function

• الگوریتم YOLO – سرکوب غیربیشینه (Non-Max Suppression) YOLO algorithm - non-max suppression

• چرا از جعبه‌های لنگر (Anchor Boxes) استفاده کنیم؟ Why to use the so-called anchor boxes?

• CSP Darknet 53 CSP Darknet 53

• تجمع هرمی مکانی (Spatial Pyramid Pooling - SPP) Spatial Pyramid Pooling (SPP)

• شبکه هرمی ویژگی (Feature Pyramid Network - FPN) و شبکه‌های مسیر تجمعی (Aggregated Path Networks - PANet) Feature Pyramid Network (FPN) and Aggregated Path Networks (PANet)

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• آزمون الگوریتم YOLO YOLO Algorithm Quiz

پیاده‌سازی الگوریتم You Only Look Once (YOLO) You Only Look Once (YOLO) Algorithm Implementation

• پیاده‌سازی الگوریتم YOLO بخش اول YOLO algorithm implementation I

• پیاده‌سازی الگوریتم YOLO بخش دوم YOLO algorithm implementation II

• پیاده‌سازی الگوریتم YOLO بخش سوم YOLO algorithm implementation III

• پیاده‌سازی الگوریتم YOLO بخش چهارم YOLO algorithm implementation IV

• پیاده‌سازی الگوریتم YOLO برای ویدئوها بخش اول YOLO algorithm implementation for videos I

• پیاده‌سازی الگوریتم YOLO برای ویدئوها بخش دوم YOLO algorithm implementation for videos II

پروژه بینایی کامپیوتر ۲ – تشخیص اشیاء سفارشی با YOLO Computer Vision Project II - Custom Object Detection with YOLO

• پیاده‌سازی تشخیص اشیاء سفارشی بخش اول Custom object detection implementation I

• پیاده‌سازی تشخیص اشیاء سفارشی بخش دوم Custom object detection implementation II

• پیاده‌سازی تشخیص اشیاء سفارشی بخش سوم Custom object detection implementation III

• پیاده‌سازی تشخیص اشیاء سفارشی بخش چهارم Custom object detection implementation IV

• پیاده‌سازی تشخیص اشیاء سفارشی بخش پنجم Custom object detection implementation V

تئوری الگوریتم Single-Shot MultiBox Detector (SSD) Single-Shot MultiBox Detector (SSD) Theory

• الگوریتم SSD چیست؟ What is the SSD algorithm?

• مفهوم پایه پشت الگوریتم SSD (معماری) Basic concept behind SSD algorithm (architecture)

• جعبه‌های مرزی و جعبه‌های لنگر Bounding boxes and anchor boxes

• نقشه‌های ویژگی و لایه‌های کانولوشن Feature maps and convolution layers

• استخراج منفی‌های سخت در حین آموزش Hard negative mining during training

• تنظیم (افزایش داده‌ها) و سرکوب غیربیشینه در حین آموزش Regularization (data augmentation) and non-max suppression during training

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• آزمون SSD SSD Quiz

پیاده‌سازی الگوریتم SSD SSD Algorithm Implementation

• پیاده‌سازی SSD بخش اول SSD implementation I

• پیاده‌سازی SSD بخش دوم SSD implementation II

• پیاده‌سازی SSD بخش سوم SSD implementation III

• پیاده‌سازی SSD بخش چهارم SSD implementation IV

• پیاده‌سازی SSD بخش پنجم SSD implementation V

ردیابی اشیاء – الگوریتم DeepSORT Object Tracking - DeepSORT Algorithm

• ردیابی اشیاء چیست؟ What is object tracking?

• درک فیلتر کالمن Understanding Kalman-filter

• معرفی الگوریتم SORT SORT algorithm introduction

• فاصله ماهالانobis Mahalanobis distance

• DeepSORT و ویژگی‌های ظاهری DeepSORT and appearance features

• مسئله تخصیص و الگوریتم هنری Assignment problem and the Hungarian algorithm

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• آزمون DeepSORT DeepSORT Quiz

پیاده‌سازی DeepSORT DeepSORT Implementation

• پیاده‌سازی DeepSORT بخش اول DeepSORT implementation I

• پیاده‌سازی DeepSORT بخش دوم DeepSORT implementation II

• پیاده‌سازی DeepSORT بخش سوم DeepSORT implementation III

• پیاده‌سازی DeepSORT بخش چهارم DeepSORT implementation IV

الگوریتم‌های پیشرفته ردیابی اشیاء – ByteTrack و BoTSORT Advanced Object Tracking Algorithms - ByteTrack and BoTSORT

• معایب DeepSORT چیست؟ What are the disadvantages of DeepSORT?

• معرفی ByteTrack ByteTrack introduction

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• معرفی BoTSORT BoTSORT introduction

• مقاله تحقیقاتی اصلی دانشگاهی Original academic research article

• مقایسه الگوریتم‌های ردیابی اشیاء Comparison of the object tracking algorithms

• آزمون ردیابی پیشرفته Advanced Tracking Quiz

پیاده‌سازی ردیابی اشیاء Object Tracking Implementation

• پیاده‌سازی ByteTrack بخش اول ByteTrack implementation I

• پیاده‌سازی ByteTrack بخش دوم ByteTrack implementation II

• پیاده‌سازی BotSORT BotSORT implementation

• پیاده‌سازی BoTSORT – استفاده از مدل بزرگتر BoTSORT implemnentation - using a larger model

پروژه بینایی کامپیوتر ۳ – شمارش وسایل نقلیه Computer Vision Project III - Vehicle Counting

• الگوریتم شمارش وسایل نقلیه بخش اول Vehicle counting algorithm I

• الگوریتم شمارش وسایل نقلیه بخش دوم Vehicle counting algorithm II

• الگوریتم شمارش وسایل نقلیه بخش سوم Vehicle counting algorithm III

• الگوریتم شمارش وسایل نقلیه بخش چهارم Vehicle counting algorithm IV

پیوست شماره ۱ – تئوری شبکه‌های عصبی Appendix #1 - Neural Networks Theory

• شبکه‌های عصبی پیش‌خور چیستند؟ What are feed-forward neural networks?

• شبکه‌های عصبی مصنوعی – مدل Artificial neural networks - the model

• چرا از توابع فعال‌سازی استفاده کنیم؟ Why to use activation functions?

• شبکه‌های عصبی – تصویر کلی Neural networks - the big picture

• استفاده از گره‌های بایاس در شبکه عصبی Using bias nodes in the neural network

• چگونه خطای شبکه را اندازه بگیریم؟ How to measure the error of the network?

• بهینه‌سازی با گرادیان نزولی Optimization with gradient descent

• گرادیان نزولی با پس‌انتشار خطا Gradient descent with backpropagation

• پس‌انتشار خطا توضیح داده شده Backpropagation explained

• فرمول‌بندی ریاضی شبکه‌های عصبی پیش‌خور Mathematical formulation of feed-forward neural networks

پیوست شماره ۲ – شبکه‌های عصبی کانولوشنال (CNNs) Appendix #2 - Convolutional Neural Networks (CNNs)

• شبکه‌های عصبی کانولوشنال چیستند؟ What are convolutional neural networks?

• انتخاب ویژگی با هسته‌ها Feature selection with kernels

• مثال عملیات کانولوشن Convolutional operation example

• شبکه‌های عصبی کانولوشنال – پولینگ Convolutional neural networks - pooling

• شبکه‌های عصبی کانولوشنال – مسطح‌سازی و لایه شبکه عصبی Convolutional neural networks - flattening and the neural network layer

• شبکه‌های عصبی کانولوشنال – تصویرسازی Convolutional neural networks - illustration

• چگونه وزن‌های هسته را دقیقاً به‌روز می‌کنیم؟ How do you update the kernel weights exactly?

• تصاویر رنگی و تنسورها Colored images and tensors

• تحول معماری‌های CNN Evolution of CNN architectures

• فرمول‌بندی ریاضی شبکه‌های عصبی کانولوشنال Mathematical formulation of convolution neural networks

پیوست شماره ۳ – ماشین‌های بردار پشتیبان (SVMs) Appendix #3 - Support Vector Machines (SVMs)

• ماشین‌های بردار پشتیبان (SVMs) چیستند؟ What are Support Vector Machines (SVMs)?

• مسائل قابل تفکیک خطی Linearly separable problems

• مسائل قابل تفکیک غیرخطی Non-linearly separable problems

• توابع کرنل Kernel functions

• مبانی شبکه‌های عصبی کانولوشنال Convolutional neural networks basics

مواد درسی (دانلودها) COURSE MATERIALS (DOWNLOADS)

• مواد درسی Course materials