دوره کابردی بینایی ماشین با رویکرد یادگیری عمیق

سرفصل و محتوای دوره بینایی ماشین با رویکرد یادگیری عمیق

Applied Computer Vision By Deep Learning Approach

پیشنیازهای دوره:

آشنایی با مفاهیم یادگیری ماشین یا داده کاوی

آشنایی با پایتون

مشاهده رزومه استاد دوره

طول مدت دوره : 40 ساعت 

 هدف دوره : آموزش افرادی که توانایی حل مسایل عملی در حوزه بینایی ماشین را دارند. دوره بینایی ماشین شامل آشنایی با مبانی تصویرپردازی، مبانی بینایی ماشین و کاربرد یادگیری عمیق در بینایی ماشین است

 سرفصل‌ دوره بینایی ماشین:

   معرفی دوره

   معرفی منابع

   چگونگی تصویر برداری دیجیتال ، مهوم پیکسل، آشنایی با فرمت های ذخیره سازی

   استفاده از پایتون در بینایی ماشین ، نصب بسته های لازم در پایتون شامل اوپن سی وی و TF , Keras و DLIB

   تبدیلات شدت روشنایی

   پردازش هیستوگرام

   مفهوم کانولوشن

   فیلترگذاری در حوزه مکان

   آشنایی با فیلترهای بالاگذرو پایین گذر و میان گذر

   پردازش تصویر ریخت شناسانه

   تقطیع تصویر با استفاده از لبه یابی، آستانه گذاری، رشد ناحیه

   تحلیل بافت

   تشخیص خط و دایره در تصویر

   آشنایی با بانکهای فیلتر

   استخراج ویژگی از تصویر با توصیفگرهایی چون HOG و Haar

   آشنایی با شبکه های عصبی

   انواع شبکه های عصبی

   شبکه های Feed-Forward

   آموزش شبکه

   شبکه های کانولوشنی

   شبکه های عمیق ، محدودیت ها و آینده

   انواع لایه ها در شبکه های کانولوشنی عمیق

   مشکلات آموزش ، مفهوم fine tune

   شبکه های Recurrent 

   آشنایی با Auto-Encoder

   شبکه های GAN

   انجام پروژه های عملی در حوزه بینایی ماشین مانند تشخیص اشیا، بخش بندی مفهومی و چندین پروژه کاربردی دیگر