ساخت پروژه های OpenCV3 پیشرفته با پایتون [ویدئو]

Building Advanced OpenCV3 Projects with Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: OpenCV یک کتابخانه C++ بین پلتفرمی بومی برای Computer Vision، یادگیری ماشین و پردازش تصویر است. به طور فزاینده ای برای توسعه در پایتون مورد استفاده قرار می گیرد. این دوره دارای برخی از کاربردهای پرطرفدار بینایی و یادگیری عمیق است و به شما در تسلط بر این تکنیک ها کمک می کند. شما یاد خواهید گرفت که چگونه ساختار را از حرکت (sfm) بازیابی کنید و همچنین خواهید دید که چگونه می‌توانیم اپلیکیشنی برای ثبت تصاویر دو بعدی بسازیم و به صورت پویا به آن‌ها بپیوندیم تا با گرفتن زوایای نمایش دوربین و موقعیت‌های نسبی تصویر، به نمای خیابان دست یابیم. شما همچنین یاد خواهید گرفت که چگونه سر خود را به صورت سه بعدی در زمان واقعی ردیابی کنید و تشخیص چهره را در برابر طلایی انجام دهید. همچنین اپلیکیشنی برای ثبت احساسات صورت بر اساس CovNet خواهید ساخت. در مرحله بعد، شما پانوراما را با استفاده از دوخت تصویر ایجاد خواهید کرد و ما این مفهوم را با ایجاد یک نقشه بر اساس مسیر ISS گسترش می دهیم. همچنین یاد خواهید گرفت که برنامه ای بسازید تا تصاویر پانورامای زیبا را ثبت کنید و همچنین به جلوه های واقعیت افزوده برسید. سپس به یکی از پرطرفدارترین حوزه‌های بینایی رایانه می‌پردازید: اتومبیل‌های خودران. شما در مورد معماری های مختلف یاد خواهید گرفت و مهارت های تشخیص خطوط و تقسیم بندی و ردیابی وسایل نقلیه در ترافیک را توسعه خواهید داد. شما از Carla، که یک شبیه ساز رانندگی باز توسط اینتل است، برای پروژه خود برای آموزش ماشینی استفاده خواهید کرد که چگونه خودش رانندگی کند. با استفاده از یک مدل end-to-end در پایان این دوره شما یاد خواهید گرفت که بازسازی سه بعدی را با دوخت چندین تصویر دو بعدی و بازیابی زوایای طرح ریزی دوربین انجام دهید. همچنین یاد خواهید گرفت که نقاط عطف چهره را ثبت کنید و احساسات را در تصاویر، از جمله در زمان واقعی، تشخیص دهید. شما همچنین یاد خواهید گرفت که یک پانوراما از یک صحنه ایجاد کنید و نمای دوربین را با اشیاء مجازی تقویت کنید. شما با رشته ماشین های خودران و تاریخچه آن آشنا خواهید بود و ماشینی را آموزش داده اید که خودش در شبیه ساز رانندگی کند. همه فایل‌های منبع به مخزن GitHub در آدرس زیر اضافه می‌شوند: https://github.com/PacktPublishing/Building-Advanced-OpenCV3-Projects-with-Python- • یاد بگیرید چگونه بازسازی سه بعدی را بر اساس Structure from Motion انجام دهید. • پیاده سازی تجربه ای شبیه نمای خیابان با تصاویر 2 بعدی دارای برچسب جغرافیایی • تخمین و ردیابی موقعیت سر در زمان واقعی • عملیات شکل‌گیری چهره، میانگین‌گیری و تعویض روی تصاویر را انجام دهید. • یک برنامه دوربین سلفی اندروید با فیلترهای سلفی مبتنی بر احساسات بسازید • برای بخیه زدن عکس های منظره روی هم تداخل دارند، دوخت تصویر را انجام دهید • ایجاد یک برنامه Android برای تولید تصاویر پانوراما با قابلیت‌های HDR و AR • با نحوه تشخیص خطوط و تقسیم‌بندی جاده‌ها و ردیابی وسایل نقلیه در صحنه رانندگی آشنا شوید. • بیاموزید که چگونه خودرو را بیاموزید که چگونه بر اساس یادگیری تقلیدی رانندگی کند. پوشش یک مشکل مهم بینایی کامپیوتر * [*] راهنمای گام به گام برای ایجاد برنامه های بینایی کامپیوتر * [*] برنامه های کاربردی بینایی کامپیوتری پیشرفته در پایتون با استفاده از ویژگی های مختلف کتابخانه OpenCV *

سرفصل ها و درس ها

ساختار از حرکت Structure from Motion

  • بررسی اجمالی دوره The Course Overview

  • مدل های پروجکشن دوربین Camera Projection Models

  • استریو چند نمایشی Multi-View Stereo

  • ایجاد ابرهای نقطه ای Generating Point Clouds

  • 2 بعدی به 3 بعدی 2D-to-3D

  • نمای خیابان Street View

ساخت اپلیکیشن اندروید با فیلترهای سلفی مبتنی بر احساسات Building an Android App with Emotion-Based Selfie Filters

  • تشخیص چهره در زمان واقعی بر اساس Eigenfaces Real-Time Face Detection Based on Eigenfaces

  • تخمین ژست سه بعدی سر 3D Head Pose Estimation

  • تشخیص گربه ها و چهره ها با استفاده از آبشار هار Detecting Cats and Faces Using Haar Cascades

  • تشخیص نقطه عطف چهره با استفاده از کتابخانه Dlib Facial Landmark Detection Using Dlib Library

  • مورفولوژی چهره، میانگین گیری و تعویض Face Morphology, Averaging, and Swapping

  • عبارات - یک برنامه دوربین سلفی Expressions - A Selfie Camera App

ساخت اپلیکیشن دوربین با ویژگی های پانوراما، HDR و AR Building a Camera App withPanorama, HDR and AR Features

  • دوخت تصویر Image Stitching

  • مونتاژ ویدیویی هوایی Aerial Video Montage

  • واقعیت افزوده مبتنی بر نشانگر Marker-Based Augmented Reality

  • واقعیت افزوده بدون نشانگر Markerless Augmented Reality

  • تصویربرداری با محدوده دینامیکی بالا (HDR). High-Dynamic Range (HDR) Imaging

  • ساخت اپلیکیشن پانوراما Building a Panorama App

یادگیری تقلیدی Imitation Learning

  • مقدمه ای بر خودروهای خودران Introduction to Self-Driving Cars

  • سنسورها و اندازه گیری ها Sensors and Measurements

  • معماری خودروهای خودران Self-Driving Car Architectures

  • درک ادراک در خودروهای خودران Understanding Perception in Self-Driving Cars

  • آموزش رانندگی با استفاده از CNN Learning to Drive Using a CNN

  • ساخت خودروی خودران بر اساس یادگیری تقلیدی Building a Self-Driving Car Based on Imitation Learning

نمایش نظرات

ساخت پروژه های OpenCV3 پیشرفته با پایتون [ویدئو]
جزییات دوره
3 h 30 m
24
Packtpub Packtpub
(آخرین آپدیت)
1
5 از 5
ندارد
دارد
دارد
Riaz Munshi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Riaz Munshi Riaz Munshi

ریاض مونشی دارای مدرک کارشناسی و کارشناسی ارشد در رشته علوم کامپیوتر از دانشگاه بوفالو، نیویورک است. او از علاقه مندان به بینایی کامپیوتر و یادگیری ماشین است. ریاز 3.5 سال تجربه کار بر روی مشکلات چالش برانگیز در تحرک، محاسبات و واقعیت افزوده دارد. او پایه محکمی در علوم کامپیوتر دارد، با شایستگی های قوی در ساختار داده ها، الگوریتم ها و طراحی نرم افزار. در حال حاضر او در یاهو به عنوان یک مهندس نرم افزار کار می کند و موارد استفاده را بررسی می کند که از قدرت AR برای کنترل روبات ها استفاده می کند. او با هدایت ربات‌ها از راه دور از طریق هولوگرام، باعث می‌شود تا در کارشان کارآمدتر عمل کنند.