ساخت 15+ پروژه بینایی کامپیوتری بلادرنگ - دوره 2024 جدید

آنچه یاد خواهید گرفت:

• یادگیری عمیق
• پروژه‌ها
• بینایی کامپیوتری
• YOLOv8
• YOLO
• دیپ‌فیک
• شناسایی آبجکت 
• ردیابی آبجکت 
• بخش‌بندی نمونه‌ها
• طبقه‌بندی تصویر
• تفسیر تصویر
• شناسایی اقدام انسان
• شناسایی چهره
• تحلیل چهره
• توضیحات تصویر
• شناسایی وضعیت/شناسایی اقدام
• شناسایی نقاط کلیدی
• بخش‌بندی معنایی
• پردازش تصویر
• دستکاری پیکسل
• شناسایی لبه
• استخراج ویژگی
• یادگیری ماشین
• شناسایی الگو
• شناسایی آبجکت
• طبقه‌بندی
• بخش‌بندی 
• پایتون
• TensorFlow
• PyTorch
• R-CNN
• ImageNet
• COCO

پیش نیازهای دوره

• مبانی یادگیری ماشین
• توسعه‌دهندگان پایتون با دانش اولیه از یادگیری ماشین
• پایتون

توضیحات دوره

ساخت 15+ پروژه‌ بلادرنگ یادگیری عمیق (بینایی کامپیوتری)

آماده‌اید تا داده‌ خام را به بینش عملی تبدیل کنید؟

این بوت کمپ پروژه محور شما را با مهارت‌های عملی مجهز می‌کند تا با چالش‌های دنیای واقعی روبرو شوید.

نظریه را فراموش کنید، به کد نویسی بپردازید!

با 12 پروژه اصلی و 5 پروژه کوچک، شما تسلط پیدا خواهید کرد و به‌طور فعال اپلیکیشن‌هایی در زمینه‌های پر تقاضا خواهید ساخت:

تشخیص و ردیابی آبجکت:

پروژه 6: تسلط به تشخیص آبجکت با مدل قوی YOLOv5

پروژه 7: از YOLOv8-cls پیشرفته برای طبقه بندی تصویر و ویدیو استفاده کنید

پروژه 8: به بررسی بخش بندی نمونه با استفاده از YOLOv8-seg بپردازید تا آبجکت های فردی را جدا کنید.

پروژه کوچک 1: بررسی در YOLOv8-pose برای تشخیص نقاط کلیدی

پروژه‌های کوچک 2 و 3: پیش‌بینی‌های بلادرنگ را روی ویدیوها انجام دهید و آبجکت ها را با استفاده از YOLO ردیابی کنید.

پروژه 9: سیستمی برای ردیابی و شمارش آبجکت بسازید.

پروژه کوچک 4: از مدل YOLO-WORLD Detect Anything برای شناسایی انواع آبجکت استفاده کنید.

تحلیل تصویر و فراتر از آن:

پروژه 1 و 2: با طبقه‌بندی تصویر بر روی داده‌ کلاسیک مانند MNIST و Fashion MNIST شروع به کار کنید.

پروژه 3: تسلط به لایه‌های پیش‌پردازش Keras برای انجام وظایف دستکاری تصویر مانند ترجمه‌ها

پروژه 4: قدرت یادگیری انتقالی را برای حل مسائل پیچیده طبقه‌بندی تصویر آزاد کنید.

پروژه 5: دنیای شگفت‌انگیز توضیحات تصویر را با استفاده از شبکه‌های مولد متخاصم (GANs) بررسی کنید.

پروژه 10: مدل‌هایی برای شناسایی اقدامات انسانی در ویدیوها آموزش دهید.

پروژه 11: اسرار چهره‌ها را با شناسایی چهره، و تحلیل سن، جنسیت و حالت احساسات کشف کنید.

پروژه 12: دنیای دیپ‌فیک‌ها را بررسی کرده و کاربردهای آن‌ها را درک کنید.

پروژه کوچک 5: تصاویر را با مدل پیش‌آموزش‌دیده MoonDream1 تحلیل کنید.

چرا این دوره را انتخاب کنید؟

یادگیری از طریق عمل: هر پروژه تجربه کدنویسی عملی را فراهم می‌کند و درک شما را تقویت می‌کند.

ابزارهای پیشرفته: آخرین پیشرفت‌ها در بینایی کامپیوتری را با فریم‌ورک‌هایی مانند YOLOv5 و YOLOv8 یاد بگیرید.

کاربردهای متنوع: با موارد واقعی مختلف، از شناسایی شیء تا دیپ‌فیک‌ها آشنا شوید.

یادگیری ساختاریافته: با پروژه‌ها با دستورالعمل‌ها و راهنمایی‌های روشن پیشرفت کنید.

آماده‌اید که مهارت‌های خود در بینایی کامپیوتری را به سطح بالاتری برسانید؟ هم‌اکنون در این دوره شرکت کنید و شروع به ساخت پورتفولیوی خود کنید!

مفاهیم اصلی:

پردازش تصویر: دستکاری پیکسل، فیلتر کردن، شناسایی لبه، استخراج ویژگی.

یادگیری ماشین: یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری عمیق (به‌ویژه شبکه‌های عصبی کانولوشن - CNN).

شناسایی الگو: شناسایی آبجکت، طبقه‌بندی، بخش بندی

کاربردهای بینایی کامپیوتری: رباتیک، وسایل نقلیه خودران، تصویربرداری پزشکی، شناسایی چهره، سیستم‌های امنیتی

اصطلاحات خاص:

شناسایی آبجکت: شناسایی و طبقه‌بندی آبجکت ها موجود در یک تصویر

بخش بندی معنایی: برچسب‌گذاری هر پیکسل در یک تصویر مطابق با کلاس آبجکت مربوطه

بخش بندی نمونه: شناسایی و تمایز آبجکت های فردی از همان کلاس

مهارت‌های فنی:

زبان‌های برنامه‌نویسی: پایتون (با کتابخانه‌هایی مانند OpenCV ،TensorFlow PyTorch)

سخت‌افزار: سیستم‌های محاسباتی با عملکرد بالا (GPU) برای تسک های یادگیری عمیق

علاوه بر این:

اختصارات: YOLO، R-CNN (الگوریتم‌های رایج در بینایی کامپیوتری).

مجموعه‌های داده: ImageNet ،COCO (مجموعه‌های داده استاندارد برای آموزش و ارزیابی مدل‌های بینایی کامپیوتری)

این دوره برای چه کسانی مناسب است؟

• عملکردهای مبتدی در یادگیری ماشین که خواهان یادگیری یادگیری عمیق هستند.
• هر کسی که می‌خواهد درباره الگوریتم‌های بینایی کامپیوتری مبتنی بر یادگیری عمیق یاد بگیرد.
• توسعه‌دهندگان پایتون با دانش اولیه از یادگیری ماشین