آموزش شبکه های عصبی کانولوشن: یادگیری عمیق

سرفصل ها و درس ها

معرفی Introduction

• CNN کجا دروغ می گوید؟ Where does CNN lie?

• توضیح، انواع شبکه های یادگیری عمیق Explanation, Types of Deep Learning Networks

شبکه های عصبی - بررسی Neural Networks - A review

• شبکه های پرسپترون Perceptron Networks

• ریاضیات پشت شبکه‌های فید فوروارد Mathematics behind Feed Forward Networks

• هدف از توابع فعال سازی Purpose of Activation Functions

• عملکرد فعال سازی ReLU ReLU Activation Function

پیچیدگی در پردازش تصویر دیجیتال Convolution in Digital Image Processing

• پیچیدگی - شیرجه عمیق Convolution - A Deep Dive

• 1D Convolution مثال - HPF، LPF 1D Convolution Example - HPF, LPF

• مبانی تصاویر Basics of Images

• نمونه ای از کانولوشن دو بعدی Example of 2D Convolution

• پیچیدگی در عمل Convolution in Action

• الگوریتم ردیاب لبه Edge Detector Algorithm

CNN - مطالعه لایه ای CNN - Layerwise study

• چرا CNN برای پردازش تصویر ایده آل است؟ Why CNN is ideal for Image Processing

• کاربردهای CNN Applications of CNN

• معماری CNN و لایه ها CNN Architecture and Layers

• فعال سازی ReLU ReLU Activation

• نحوه انجام Pooling How to perform Pooling

پروژه - طبقه بندی میوه ها با استفاده از CNN The Project - Fruits Classifier using CNN

• واردات کلیه کتابخانه های ضروری Importing all the essential libraries

• بصری سازی و پیش پردازش تصاویر Visualization and Preprocessing of Images

• استفاده از glob برای یافتن تعداد کلاس ها Using glob to find out the number of classes

• تعریف لایه های کانولوشنال Defining Convolutional Layers

• آموزش معماری CNN Training the CNN Architecture

• مرحله آزمایش The Testing Phase

منابع Resources

• سخنرانی پاداش Bonus Lecture