آموزش بوت کمپ کامل بینایی ماشین با PyTorch و TensorFlow - آخرین آپدیت

دانلود Complete Computer Vision Bootcamp With PyTorch & Tensorflow

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

یادگیری بینایی کامپیوتر با CNN، TensorFlow و PyTorch: از مبانی تا پیشرفته

با TensorFlow و PyTorch، مفاهیم CNN را از پایه تا پیشرفته بیاموزید. مدل‌های تشخیص اشیاء مانند YOLO و Faster R-CNN را یاد بگیرید. پروژه‌های بینایی کامپیوتر دنیای واقعی را گام به گام پیاده‌سازی کنید. تجربه عملی در پیش‌پردازش و افزایش داده به دست آورید. مدل‌های CNN سفارشی برای وظایف مختلف بینایی کامپیوتر بسازید. بر یادگیری انتقالی با مدل‌های از پیش آموزش‌دیده مانند ResNet و VGG مسلط شوید. مهارت‌های عملی با کتابخانه‌های TensorFlow و PyTorch به دست آورید.

پیش‌نیازها:

  • آشنایی ابتدایی با برنامه‌نویسی پایتون.
  • آشنایی با مفاهیم اساسی یادگیری ماشین.
  • دانش اولیه جبر خطی و حساب دیفرانسیل و انتگرال.
  • درک داده‌های تصویر و ساختار آن.
  • اشتیاق برای یادگیری بینایی کامپیوتر با پروژه‌های عملی.

در این دوره جامع، شما بر مبانی و مفاهیم پیشرفته بینایی کامپیوتر، با تمرکز بر شبکه‌های عصبی کانولوشن (CNN) و مدل‌های تشخیص اشیاء با استفاده از TensorFlow و PyTorch مسلط خواهید شد. این دوره برای تجهیز شما به مهارت‌های مورد نیاز برای ساخت برنامه‌های بینایی کامپیوتر قوی از ابتدا طراحی شده است.

آنچه خواهید آموخت:

در طول این دوره، شما در زمینه‌های زیر تخصص کسب خواهید کرد:

  1. مقدمه‌ای بر بینایی کامپیوتر

    • درک داده‌های تصویر و ساختار آن.
    • کاوش در مقادیر پیکسل، کانال‌ها و فضاهای رنگ.
    • یادگیری در مورد OpenCV برای دستکاری و پیش‌پردازش تصویر.
  2. مبانی یادگیری عمیق برای بینایی کامپیوتر

    • معرفی شبکه‌های عصبی و مفاهیم یادگیری عمیق.
    • درک پس انتشار و گرادیان کاهشی.
    • مفاهیم کلیدی مانند توابع فعال‌سازی، توابع زیان و تکنیک‌های بهینه‌سازی.
  3. شبکه‌های عصبی کانولوشن (CNN)

    • مقدمه‌ای بر معماری CNN و اجزای آن.
    • درک لایه‌های کانولوشن، لایه‌های ادغام و لایه‌های کاملاً متصل.
    • پیاده‌سازی مدل‌های CNN با استفاده از TensorFlow و PyTorch.
  4. افزایش و پیش‌پردازش داده

    • تکنیک‌هایی برای بهبود عملکرد مدل از طریق افزایش داده.
    • استفاده از کتابخانه‌هایی مانند imgaug، Albumentations و TensorFlow Data Pipeline.
  5. یادگیری انتقالی برای بینایی کامپیوتر

    • استفاده از مدل‌های از پیش آموزش‌دیده مانند ResNet، VGG و EfficientNet.
    • تنظیم دقیق و بهینه‌سازی مدل‌های یادگیری انتقالی.
  6. مدل‌های تشخیص اشیاء

    • کاوش در الگوریتم‌های تشخیص اشیاء مانند:
      • YOLO (فقط یک بار نگاه کن)
      • Faster R-CNN
    • پیاده‌سازی این مدل‌ها با TensorFlow و PyTorch.
  7. تکنیک‌های تقسیم‌بندی تصویر

    • درک تقسیم‌بندی معنایی و نمونه‌ای.
    • پیاده‌سازی مدل‌های U-Net و Mask R-CNN.
  8. پروژه‌ها و کاربردهای دنیای واقعی

    • ساخت پروژه‌های کاربردی بینایی کامپیوتر مانند:
      • سیستم تشخیص چهره.
      • تشخیص اشیاء در زمان واقعی با یکپارچه‌سازی وب‌کم.
      • خطوط لوله طبقه‌بندی تصویر با استقرار.

چه کسانی باید ثبت نام کنند؟

این دوره برای افراد زیر ایده‌آل است:

  • مبتدیانی که به دنبال شروع سفر بینایی کامپیوتر خود هستند.
  • دانشمندان داده و مهندسان ML که به دنبال گسترش مجموعه مهارت‌های خود هستند.
  • پزشکان هوش مصنوعی که قصد دارند بر مدل‌های تشخیص اشیاء مسلط شوند.
  • محققانی که در حال بررسی تکنیک‌های بینایی کامپیوتر برای پروژه‌های آکادمیک هستند.
  • متخصصانی که به دنبال تجربه عملی در استقرار مدل‌های CV هستند.

پیش‌نیازها

قبل از ثبت نام، اطمینان حاصل کنید که موارد زیر را دارید:

  • دانش اولیه برنامه‌نویسی پایتون.
  • آشنایی با مفاهیم اساسی یادگیری ماشین.
  • درک اولیه از جبر خطی و حساب دیفرانسیل و انتگرال.

یادگیری عملی با پروژه‌های واقعی

این دوره بر یادگیری عملی از طریق پروژه‌های عملی تأکید دارد. هر ماژول شامل تمرین‌های کدنویسی، پیاده‌سازی پروژه و مثال‌های دنیای واقعی است تا اطمینان حاصل شود که مهارت‌های ارزشمندی به دست می‌آورید.

در پایان این دوره، شما با اطمینان مدل‌های بینایی کامپیوتر را با استفاده از TensorFlow و PyTorch خواهید ساخت، آموزش می‌دهید و مستقر خواهید کرد. چه یک مبتدی باشید و چه یک متخصص با تجربه، این دوره به شما تخصص لازم برای برتری در زمینه بینایی کامپیوتر را می‌دهد.

اکنون ثبت نام کنید و مهارت‌های بینایی کامپیوتر خود را به سطح بعدی ببرید!


سرفصل ها و درس ها

Introduction-فصل-1-مقدمه Introduction

  • Welcome to the Course-ویدئو-1-1-به دوره خوش آمدید Welcome to the Course

  • Important Note-ویدئو-1-2-نکته مهم Important Note

Python Prerequisites-فصل-2-پیش نیازهای پایتون Python Prerequisites

  • Complete Python Materials-ویدئو-2-1-مطالب کامل پایتون Complete Python Materials

  • Anaconda Installation-ویدئو-2-2-نصب آناکوندا Anaconda Installation

  • Getting Started With VS Code-ویدئو-2-3-شروع کار با وی‌اس کد Getting Started With VS Code

  • Python Basics- Syntax and Semantics-ویدئو-2-4-مبانی پایتون- سینتکس و معناشناسی Python Basics- Syntax and Semantics

  • Variables In Python-ویدئو-2-5-متغیرها در پایتون Variables In Python

  • Basic Datatypes In Python-ویدئو-2-6-انواع داده‌های پایه در پایتون Basic Datatypes In Python

  • Operators In Python-ویدئو-2-7-عملگرها در پایتون Operators In Python

  • Conditional Statements(if,elif,else)-ویدئو-2-8-عبارات شرطی (if, elif, else) Conditional Statements(if,elif,else)

  • Loops In Python-ویدئو-2-9-حلقه‌ها در پایتون Loops In Python

  • List and List Comprehension In Python-ویدئو-2-10-لیست و لیست درک مطلب در پایتون List and List Comprehension In Python

  • Preactical Exmaples Of List-ویدئو-2-11-مثال‌های عملی لیست Preactical Exmaples Of List

  • Sets In Python-ویدئو-2-12-مجموعه‌ها در پایتون Sets In Python

  • Dictionaries In Python-ویدئو-2-13-دیکشنری‌ها در پایتون Dictionaries In Python

  • Tuples In Python-ویدئو-2-14-تاپل‌ها در پایتون Tuples In Python

  • Getting Started With Functions-ویدئو-2-15-شروع کار با توابع Getting Started With Functions

  • More Coding Examples With Functions-ویدئو-2-16-مثال‌های کدنویسی بیشتر با توابع More Coding Examples With Functions

  • Python Lambda Functions-ویدئو-2-17-توابع لامبدا پایتون Python Lambda Functions

  • Map Functions In Python-ویدئو-2-18-توابع مپ در پایتون Map Functions In Python

  • Filter Function In Python-ویدئو-2-19-تابع فیلتر در پایتون Filter Function In Python

  • Import Modules And Package In Python-ویدئو-2-20-وارد کردن ماژول‌ها و پکیج‌ها در پایتون Import Modules And Package In Python

  • Standard Library Overview-ویدئو-2-21-مروری بر کتابخانه استاندارد Standard Library Overview

  • File Operation In Python-ویدئو-2-22-عملیات فایل در پایتون File Operation In Python

  • Working With File Paths-ویدئو-2-23-کار با مسیرهای فایل Working With File Paths

  • Exception Handling-ویدئو-2-24-مدیریت خطاها Exception Handling

  • Classes And Objects In Python-ویدئو-2-25-کلاس‌ها و اشیا در پایتون Classes And Objects In Python

  • Inheritance In OOPS-ویدئو-2-26-وراثت در OOPS Inheritance In OOPS

  • Polymorphism In OOPS-ویدئو-2-27-چندریختی در OOPS Polymorphism In OOPS

  • Encapsulation In OOPS-ویدئو-2-28-کپسوله سازی در OOPS Encapsulation In OOPS

  • Abstraction In OOPS-ویدئو-2-29-تجرید در OOPS Abstraction In OOPS

  • Magic Methods In Python-ویدئو-2-30-متدهای جادویی در پایتون Magic Methods In Python

  • Operator Overloading In Python-ویدئو-2-31-بارگذاری بیش از حد عملگر در پایتون Operator Overloading In Python

  • Custom Exception Handling-ویدئو-2-32-مدیریت خطای سفارشی Custom Exception Handling

  • Iterators In Python-ویدئو-2-33-تکرارکننده‌ها در پایتون Iterators In Python

  • Generators In Python-ویدئو-2-34-ژنراتورها در پایتون Generators In Python

  • Function Copy,Closures And Decorators-ویدئو-2-35-کپی تابع، بستارها و دکوراتورها Function Copy,Closures And Decorators

  • Numpy In Python-ویدئو-2-36-نامپای در پایتون Numpy In Python

  • Pandas-DataFrame And Series-ویدئو-2-37-پانداس-دیتا فریم و سری Pandas-DataFrame And Series

  • Data Manipulation With Pandas And Numpy-ویدئو-2-38-دستکاری داده‌ها با پانداس و نامپای Data Manipulation With Pandas And Numpy

  • Reading Data From Various Data Source Using Pandas-ویدئو-2-39-خواندن داده‌ها از منابع داده مختلف با استفاده از پانداس Reading Data From Various Data Source Using Pandas

  • Logging Practical Implementation In Python-ویدئو-2-40-پیاده سازی عملی لاگینگ در پایتون Logging Practical Implementation In Python

  • Logging With Multiple Loggers-ویدئو-2-41-لاگینگ با لاگرهای متعدد Logging With Multiple Loggers

  • Logging With a Real World Examples-ویدئو-2-42-لاگینگ با مثال‌های دنیای واقعی Logging With a Real World Examples

  • Python CodeQuiz-ویدئو-2-43-آزمون کد پایتون Python CodeQuiz

Introduction To Deep Learning-فصل-3-مقدمه‌ای بر یادگیری عمیق Introduction To Deep Learning

  • Introduction-ویدئو-3-1-مقدمه Introduction

  • Why Deep Learning is Becoming Popular-ویدئو-3-2-چرا یادگیری عمیق محبوبیت پیدا می‌کند؟ Why Deep Learning is Becoming Popular

Deep Learning-ANN, Optimizers, Loss Functions, Activation Functions,CNN Theory-فصل-4-یادگیری عمیق-شبکه‌های عصبی مصنوعی، بهینه‌سازها، توابع زیان، توابع فعال‌سازی، نظریه CNN Deep Learning-ANN, Optimizers, Loss Functions, Activation Functions,CNN Theory

  • Perceptron Intuition-ویدئو-4-1-شهود پرسپترون Perceptron Intuition

  • Adv and Diadvantaes of Perceptron-ویدئو-4-2-مزایا و معایب پرسپترون Adv and Diadvantaes of Perceptron

  • ANN intuition and Working.mov-ویدئو-4-3-شهود و عملکرد ANN.mov ANN intuition and Working.mov

  • Back Propogation and Weight Updation-ویدئو-4-4-پس انتشار و به‌روزرسانی وزن Back Propogation and Weight Updation

  • Chain Rule Of Derivatives-ویدئو-4-5-قاعده زنجیره‌ای مشتقات Chain Rule Of Derivatives

  • Vanishing Gradient Problem and Sigmoid-ویدئو-4-6-مسئله گرادیان محو شونده و سیگموئید Vanishing Gradient Problem and Sigmoid

  • Sigmoid Activation Function-ویدئو-4-7-تابع فعال‌سازی سیگموئید Sigmoid Activation Function

  • Sigmoid Activation Function part -2-ویدئو-4-8-تابع فعال‌سازی سیگموئید بخش 2 Sigmoid Activation Function part -2

  • Tanh Activation Function.-ویدئو-4-9-تابع فعال‌سازی تانژانت هیپربولیک (Tanh) Tanh Activation Function.

  • Relu Activation Function-ویدئو-4-10-تابع فعال‌سازی ReLU Relu Activation Function

  • Leaky Relu and Parametric Relu-ویدئو-4-11-ReLU نشتی و ReLU پارامتری Leaky Relu and Parametric Relu

  • ELU Activation Function.-ویدئو-4-12-تابع فعال‌سازی ELU ELU Activation Function.

  • Softmax for Multiclass Classification-ویدئو-4-13-سافت‌مکس برای طبقه‌بندی چند کلاسه Softmax for Multiclass Classification

  • Which Activation Function To Apply When-ویدئو-4-14-چه زمانی از کدام تابع فعال‌سازی استفاده کنیم Which Activation Function To Apply When

  • Loss Function Vs Cost Function.-ویدئو-4-15-تابع زیان در مقابل تابع هزینه Loss Function Vs Cost Function.

  • Regression Cost Function.-ویدئو-4-16-تابع هزینه رگرسیون Regression Cost Function.

  • Loss Function Classification Problem-ویدئو-4-17-مسائل تابع زیان در طبقه‌بندی Loss Function Classification Problem

  • Which Loss Function To Use When-ویدئو-4-18-چه زمانی از کدام تابع زیان استفاده کنیم Which Loss Function To Use When

  • Gradient Descent Optimizers.-ویدئو-4-19-بهینه‌سازهای گرادیان کاهشی Gradient Descent Optimizers.

  • SGD-ویدئو-4-20-SGD SGD

  • Mini Batch With SGD-ویدئو-4-21-مینی بچ با SGD Mini Batch With SGD

  • SGD with Momentum-ویدئو-4-22-SGD با ممان SGD with Momentum

  • Adagard-ویدئو-4-23-Adagrad Adagard

  • RMSPROP-ویدئو-4-24-RMSPROP RMSPROP

  • Adam Optimiser-ویدئو-4-25-بهینه‌ساز Adam Adam Optimiser

  • Exploding Gradient Problem-ویدئو-4-26-مسئله گرادیان انفجاری Exploding Gradient Problem

  • Weight Initialisation Techniques.-ویدئو-4-27-تکنیک‌های مقداردهی اولیه وزن Weight Initialisation Techniques.

  • Dropout Layers-ویدئو-4-28-لایه‌های Dropout Dropout Layers

  • CNN Introduction-ویدئو-4-29-مقدمه‌ای بر CNN CNN Introduction

  • Human Brain V CNN-ویدئو-4-30-مغز انسان در مقابل CNN Human Brain V CNN

  • All you need to know about Images-ویدئو-4-31-هر آنچه باید درباره تصاویر بدانید All you need to know about Images

  • Convolution Operatuin In CNN-ویدئو-4-32-عمل کانولوشن در CNN Convolution Operatuin In CNN

  • Padding In CNN-ویدئو-4-33-پدینگ در CNN Padding In CNN

  • Operation Of CNN Vs ANN-ویدئو-4-34-عملکرد CNN در مقابل ANN Operation Of CNN Vs ANN

  • Max, Min and Average Pooling.-ویدئو-4-35-ادغام ماکزیمم، مینیمم و میانگین Max, Min and Average Pooling.

  • Flattening and Fully Connected Layers.-ویدئو-4-36-مسطح‌سازی و لایه‌های کاملاً متصل Flattening and Fully Connected Layers.

  • CNN Example with RGB-ویدئو-4-37-مثال CNN با RGB CNN Example with RGB

computer vision (Open CV With Python)-فصل-5-بینایی ماشین (OpenCV با پایتون) computer vision (Open CV With Python)

  • Introduction to OpenCV-ویدئو-5-1-مقدمه‌ای بر OpenCV Introduction to OpenCV

  • Reading and Writing Images-ویدئو-5-2-خواندن و نوشتن تصاویر Reading and Writing Images

  • Working with the video Files-ویدئو-5-3-کار با فایل‌های ویدیویی Working with the video Files

  • Exploring Color Space-ویدئو-5-4-کاوش در فضای رنگ Exploring Color Space

  • Color Thresholding-ویدئو-5-5-آستانه‌گذاری رنگ Color Thresholding

  • image Resizing, Scaling and interpolation-ویدئو-5-6-تغییر اندازه، مقیاس‌بندی و درون‌یابی تصویر image Resizing, Scaling and interpolation

  • Flip, Rotate and Crop Images-ویدئو-5-7-چرخاندن، چرخاندن و برش تصاویر Flip, Rotate and Crop Images

  • Understanding Coordinate system in openCV-ویدئو-5-8-درک سیستم مختصات در OpenCV Understanding Coordinate system in openCV

  • Drawing lines and shapes using opencv-ویدئو-5-9-رسم خطوط و اشکال با استفاده از opencv Drawing lines and shapes using opencv

  • Adding Text to Image-ویدئو-5-10-اضافه کردن متن به تصویر Adding Text to Image

  • Affine-ویدئو-5-11-آفین Affine

  • Image FIlters-ویدئو-5-12-فیلترهای تصویر Image FIlters

  • Applying Blur filters Average, Gaussian, Median-ویدئو-5-13-اعمال فیلترهای تاری- میانگین، گاوسی، میانه Applying Blur filters Average, Gaussian, Median

  • Edge Detection Using Sobel, Canny & Laplacian-ویدئو-5-14-تشخیص لبه با استفاده از سوبل، کنی و لاپلاسین Edge Detection Using Sobel, Canny & Laplacian

  • Calculating and Plotting Histogram-ویدئو-5-15-محاسبه و رسم هیستوگرام Calculating and Plotting Histogram

  • Histogram Equalization-ویدئو-5-16-همسان‌سازی هیستوگرام Histogram Equalization

  • CLAHE-ویدئو-5-17-CLAHE CLAHE

  • Contours-ویدئو-5-18-کانتورها Contours

  • Image Segmentation Using openCV-ویدئو-5-19-قطعه‌بندی تصویر با استفاده از OpenCV Image Segmentation Using openCV

  • Haar Cascade for face detection-ویدئو-5-20-Haar Cascade برای تشخیص چهره Haar Cascade for face detection

PyTorch-فصل-6-PyTorch PyTorch

  • Introduction PyTorch-ویدئو-6-1-مقدمه‌ای بر PyTorch Introduction PyTorch

  • Introduction to Tensors-ویدئو-6-2-مقدمه‌ای بر تانسورها Introduction to Tensors

  • indexing Tensors-ویدئو-6-3-اندیس‌گذاری تانسورها indexing Tensors

  • Using Random Numbers to create noise image-ویدئو-6-4-استفاده از اعداد تصادفی برای ایجاد تصویر نویزدار Using Random Numbers to create noise image

  • Tensors of Zero's and One's-ویدئو-6-5-تانسورهای صفر و یک Tensors of Zero's and One's

  • Tensor data types-ویدئو-6-6-انواع داده‌های تانسور Tensor data types

  • Tensor Manuplation-ویدئو-6-7-دستکاری تانسور Tensor Manuplation

  • Matrix Aggregation-ویدئو-6-8-تجميع ماتریس Matrix Aggregation

  • View and Reshape Operation-ویدئو-6-9-عملیات نمایش و تغییر شکل View and Reshape Operation

  • Stack Operation-ویدئو-6-10-عملیات پشته Stack Operation

  • Understanding Pytorch neural network components-ویدئو-6-11-درک اجزای شبکه عصبی Pytorch Understanding Pytorch neural network components

  • Create Linear Regression model with Pytorch components-ویدئو-6-12-ایجاد مدل رگرسیون خطی با اجزای Pytorch Create Linear Regression model with Pytorch components

  • Multi Class classification with pytorch using custom neural networks-ویدئو-6-13-طبقه‌بندی چند کلاسه با Pytorch با استفاده از شبکه‌های عصبی سفارشی Multi Class classification with pytorch using custom neural networks

  • Understanding components of custom data loader in pytorch-ویدئو-6-14-درک اجزای بارگذار داده سفارشی در Pytorch Understanding components of custom data loader in pytorch

  • Defining custom Image Dataset loader and usage-ویدئو-6-15-تعریف بارگذار مجموعه داده تصویر سفارشی و نحوه استفاده Defining custom Image Dataset loader and usage

  • CNN Training Using a Custom Dataset.-ویدئو-6-16-آموزش CNN با استفاده از یک مجموعه داده سفارشی CNN Training Using a Custom Dataset.

  • Understanding Components of an Application-ویدئو-6-17-درک اجزای یک برنامه Understanding Components of an Application

  • What is Deployment ?-ویدئو-6-18-دیپلوی چیست؟ What is Deployment ?

  • Tools to create interactive demos-ویدئو-6-19-ابزارهایی برای ایجاد دموهای تعاملی Tools to create interactive demos

  • Hosting platform-ویدئو-6-20-پلتفرم میزبانی Hosting platform

  • Setting up gradio app in local space-ویدئو-6-21-راه‌اندازی برنامه gradio در فضای محلی Setting up gradio app in local space

  • Implementing gradio app inference backend-ویدئو-6-22-پیاده‌سازی بک‌اند استنتاج برنامه gradio Implementing gradio app inference backend

  • Setting hugging face space-ویدئو-6-23-تنظیم فضای hugging face Setting hugging face space

  • Deploying gradio app on hugging face space-ویدئو-6-24-استقرار برنامه gradio در فضای hugging face Deploying gradio app on hugging face space

Deep Dive Visualizing CNNs-فصل-7-تجسم عمیق CNNها Deep Dive Visualizing CNNs

  • Image Understanding with CNNs vs ANNs-ویدئو-7-1-درک تصویر با CNNها در مقابل ANNها Image Understanding with CNNs vs ANNs

  • CNN Explainer-ویدئو-7-2-توضیح دهنده CNN CNN Explainer

  • Visualization with Tensorspace-ویدئو-7-3-تجسم با Tensorspace Visualization with Tensorspace

  • CNN Filters-ویدئو-7-4-فیلترهای CNN CNN Filters

  • Building Your Own Filters-ویدئو-7-5-ساخت فیلترهای خودتان Building Your Own Filters

  • Feature Map Size Calculation-ویدئو-7-6-محاسبه اندازه نقشه ویژگی Feature Map Size Calculation

  • CNN Parameter Calculations-ویدئو-7-7-محاسبات پارامتر CNN CNN Parameter Calculations

  • Receptive Fields-ویدئو-7-8-میدان‌های پذیرش Receptive Fields

Image Classification-فصل-8-طبقه‌بندی تصویر Image Classification

  • What is Image Classification?-ویدئو-8-1-طبقه‌بندی تصویر چیست؟ What is Image Classification?

  • LeNet Architecture-ویدئو-8-2-معماری LeNet LeNet Architecture

  • LeNet with Keras-ویدئو-8-3-LeNet با Keras LeNet with Keras

  • LeNet with Pytorch-ویدئو-8-4-LeNet با Pytorch LeNet with Pytorch

  • AlexNet Architecture-ویدئو-8-5-معماری AlexNet AlexNet Architecture

  • AlexNet with Keras-ویدئو-8-6-AlexNet با Keras AlexNet with Keras

  • AlexNet with Pytorch-ویدئو-8-7-AlexNet با Pytorch AlexNet with Pytorch

  • VGG Architecture-ویدئو-8-8-معماری VGG VGG Architecture

  • Transfer Learning vs Pretrained-ویدئو-8-9-یادگیری انتقالی در مقابل از پیش آموزش‌دیده Transfer Learning vs Pretrained

  • VGG Pretrained Keras-ویدئو-8-10-VGG از پیش آموزش‌دیده Keras VGG Pretrained Keras

  • VGG Pretrained Pytorch-ویدئو-8-11-VGG از پیش آموزش‌دیده Pytorch VGG Pretrained Pytorch

  • VGG Transfer Learning-ویدئو-8-12-VGG یادگیری انتقالی VGG Transfer Learning

  • Inception Architecture-ویدئو-8-13-معماری Inception Inception Architecture

  • Inception Pretrained Keras-ویدئو-8-14-Inception از پیش آموزش‌دیده Keras Inception Pretrained Keras

  • Inception Pretrained Pytorch-ویدئو-8-15-Inception از پیش آموزش‌دیده Pytorch Inception Pretrained Pytorch

  • Inception Transfer Learning-ویدئو-8-16-Inception یادگیری انتقالی Inception Transfer Learning

  • ResNet Architecture-ویدئو-8-17-معماری ResNet ResNet Architecture

  • Resnet Pretrained Keras-ویدئو-8-18-Resnet از پیش آموزش‌دیده Keras Resnet Pretrained Keras

  • Resnet Pretrained Pytorch-ویدئو-8-19-Resnet از پیش آموزش‌دیده Pytorch Resnet Pretrained Pytorch

  • Resnet Transfer Learning-ویدئو-8-20-Resnet یادگیری انتقالی Resnet Transfer Learning

Data Augmentation-فصل-9-افزایش داده Data Augmentation

  • What is Data Augmentation?-ویدئو-9-1-افزایش داده چیست؟ What is Data Augmentation?

  • Data Augmentation with Albumentations-ویدئو-9-2-افزایش داده با Albumentations Data Augmentation with Albumentations

  • Data Augmentation with Imgaug-ویدئو-9-3-افزایش داده با Imgaug Data Augmentation with Imgaug

Basics of Object Detection-فصل-10-مبانی تشخیص اشیا Basics of Object Detection

  • What is Object Detection?-ویدئو-10-1-تشخیص اشیا چیست؟ What is Object Detection?

  • Object Detection Metrics-ویدئو-10-2-معیارهای تشخیص اشیا Object Detection Metrics

  • What are Bounding Boxes?-ویدئو-10-3-جعبه‌های محدودکننده چیستند؟ What are Bounding Boxes?

  • Getting started with YOLO-ویدئو-10-4-شروع کار با YOLO Getting started with YOLO

  • Getting started with Detectron2-ویدئو-10-5-شروع کار با Detectron2 Getting started with Detectron2

  • Object Detection Architectures-ویدئو-10-6-معماری‌های تشخیص اشیا Object Detection Architectures

  • RCNN-ویدئو-10-7-RCNN RCNN

  • FAST RCNN-ویدئو-10-8-FAST RCNN FAST RCNN

  • FASTER RCNN-ویدئو-10-9-FASTER RCNN FASTER RCNN

  • FASTER RCNN with Pytorch Implementation-ویدئو-10-10-FASTER RCNN با پیاده‌سازی Pytorch FASTER RCNN with Pytorch Implementation

  • Custom Object Detection with YOLOv11-ویدئو-10-11-تشخیص اشیا سفارشی با YOLOv11 Custom Object Detection with YOLOv11

  • Custom Object Detection with Detectron2-ویدئو-10-12-تشخیص اشیا سفارشی با Detectron2 Custom Object Detection with Detectron2

Image Segmentation-فصل-11-قطعه‌بندی تصویر Image Segmentation

  • Introduction to Image Segmentation-ویدئو-11-1-مقدمه‌ای بر قطعه‌بندی تصویر Introduction to Image Segmentation

  • Downsampling-ویدئو-11-2-کاهش نمونه‌برداری Downsampling

  • Upsampling/Transposed Convolution-ویدئو-11-3-افزایش نمونه‌برداری/کانولوشن ترانهاده Upsampling/Transposed Convolution

  • Segmentation Loss Functions-ویدئو-11-4-توابع زیان قطعه‌بندی Segmentation Loss Functions

  • Fully Convolutional Networks (FCNs)-ویدئو-11-5-شبکه‌های کاملاً کانولوشنی (FCNs) Fully Convolutional Networks (FCNs)

  • UNet-ویدئو-11-6-UNet UNet

  • Implementing Custom Unet Training-ویدئو-11-7-پیاده‌سازی آموزش Unet سفارشی Implementing Custom Unet Training

  • Mask-RCNN-ویدئو-11-8-Mask-RCNN Mask-RCNN

  • Training Yolov11 Instance Segmentation-ویدئو-11-9-آموزش قطعه‌بندی نمونه Yolov11 Training Yolov11 Instance Segmentation

  • Testing Yolov11 Instance Segmentation-ویدئو-11-10-تست قطعه‌بندی نمونه Yolov11 Testing Yolov11 Instance Segmentation

نمایش نظرات

آموزش بوت کمپ کامل بینایی ماشین با PyTorch و TensorFlow
جزییات دوره
54 hours
180
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,633
4.7 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

Krish Naik Krish Naik

مهندس ارشد هوش مصنوعی

KRISHAI Technologies Private Limited KRISHAI Technologies Private Limited

مهندس هوش مصنوعی و یادگیری ماشین

Sourangshu Pal Sourangshu Pal

مهندس ارشد هوش مصنوعی

Monal kumar Monal kumar

مدرس Udemy | دانشمند داده | مهندس هوش مصنوعی