دوره راهنمای جامع پردازش تصویر برای بینایی ماشین و یادگیری عمیق با OpenCV و پایتون همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع پردازش تصویر برای بینایی ماشین و یادگیری عمیق با OpenCV و پایتون

موضوع کلی: پردازش تصویر و بینایی ماشین

موضوع میانی: مبانی پردازش تصویر با OpenCV و پایتون

📋 سرفصل‌های دوره

• 1. مبانی پردازش تصویر
• 2. نصب و راه‌اندازی OpenCV
• 3. کار با تصاویر: خواندن، نمایش و ذخیره
• 4. عملیات پایه‌ای روی تصاویر
• 5. تغییر اندازه و برش تصاویر
• 6. تبدیلات هندسی تصاویر
• 7. تبدیلات رنگی تصاویر
• 8. کار با آرایه‌های NumPy
• 9. عملیات بیتی روی تصاویر
• 10. فیلتر کردن تصاویر: مفاهیم
• 11. فیلترهای میانگین و گوسی
• 12. فیلترهای میانه و گاوسی
• 13. فیلترهای لبه‌یابی: سوبل
• 14. فیلترهای لبه‌یابی: لاپلاس
• 15. فیلترهای لبه‌یابی: Canny
• 16. آستانه‌گذاری تصاویر: روش ساده
• 17. آستانه‌گذاری تطبیقی
• 18. آستانه‌گذاری Otsu
• 19. تکنیک‌های مورفولوژیکی: فرسایش
• 20. تکنیک‌های مورفولوژیکی: انبساط
• 21. عملیات بازسازی و بستن
• 22. کار با هیستوگرام تصاویر
• 23. توازن هیستوگرام
• 24. تطبیق هیستوگرام
• 25. تشخیص نقاط کلیدی در تصاویر
• 26. توصیف‌گرهای ویژگی: SIFT
• 27. توصیف‌گرهای ویژگی: SURF
• 28. توصیف‌گرهای ویژگی: ORB
• 29. تطبیق ویژگی‌ها بین تصاویر
• 30. تثبیت تصاویر
• 31. تصحیح اعوجاج لنز
• 32. تشخیص چهره: مفاهیم
• 33. تشخیص چهره با روش Haar cascades
• 34. آموزش طبقه‌بندی‌کننده‌های Haar cascades
• 35. تشخیص اشیاء: مفاهیم
• 36. تشخیص اشیاء با روش HOG
• 37. تشخیص اشیاء با SVM
• 38. ردیابی اشیاء: مفاهیم
• 39. ردیابی با الگوریتم Lucas-Kanade
• 40. ردیابی با الگوریتم Mean-Shift
• 41. ردیابی با الگوریتم CamShift
• 42. تقسیم‌بندی تصاویر: مفاهیم
• 43. تقسیم‌بندی با روش‌های مبتنی بر آستانه
• 44. تقسیم‌بندی با روش‌های مبتنی بر رنگ
• 45. تقسیم‌بندی با روش‌های مبتنی بر لبه
• 46. تقسیم‌بندی با الگوریتم GrabCut
• 47. پردازش سه‌بعدی تصاویر: مفاهیم
• 48. استفاده از دوربین‌های استریو
• 49. محاسبه عمق با دوربین‌های استریو
• 50. بازسازی سه‌بعدی صحنه
• 51. تشخیص و تحلیل حرکت
• 52. تشخیص خطوط در تصاویر: Hough Transform
• 53. تشخیص دایره در تصاویر: Hough Transform
• 54. کار با ویدئو: خواندن و نوشتن
• 55. استخراج فریم از ویدئو
• 56. تحلیل حرکت در فریم‌های ویدئویی
• 57. کاهش نویز در تصاویر
• 58. افزایش وضوح تصاویر
• 59. اصلاح رنگ تصاویر
• 60. پردازش تصاویر پزشکی: مفاهیم
• 61. کار با فرمت DICOM
• 62. تقسیم‌بندی تصاویر پزشکی
• 63. تشخیص ناهنجاری در تصاویر پزشکی
• 64. پردازش تصاویر ماهواره‌ای: مفاهیم
• 65. اصلاحات هندسی و رادیومتریک
• 66. تشخیص تغییرات مکانی
• 67. تحلیل کاربری اراضی
• 68. پردازش تصاویر برای واقعیت افزوده
• 69. هم‌ترازی تصاویر
• 70. ترکیب تصاویر
• 71. رندرینگ گرافیکی
• 72. مبانی یادگیری ماشین برای بینایی ماشین
• 73. شبکه‌های عصبی کانولوشنال (CNN)
• 74. معماری‌های معروف CNN: LeNet
• 75. معماری‌های معروف CNN: AlexNet
• 76. معماری‌های معروف CNN: VGG
• 77. معماری‌های معروف CNN: ResNet
• 78. پیش‌آموزش مدل‌ها (Transfer Learning)
• 79. تنظیم دقیق مدل‌ها (Fine-tuning)
• 80. آموزش مدل‌های تشخیص اشیاء: YOLO
• 81. آموزش مدل‌های تشخیص اشیاء: SSD
• 82. آموزش مدل‌های تقسیم‌بندی معنایی: U-Net
• 83. آموزش مدل‌های تقسیم‌بندی نمونه‌ای: Mask R-CNN
• 84. پردازش زبان طبیعی در بینایی ماشین
• 85. تولید زیرنویس برای تصاویر
• 86. پرسش و پاسخ تصویری
• 87. پردازش تصاویر در رباتیک
• 88. ناوبری ربات با بینایی ماشین
• 89. کنترل ربات با بینایی ماشین
• 90. کاربردهای پیشرفته بینایی ماشین
• 91. بینایی ماشین در صنعت خودروسازی
• 92. بینایی ماشین در حوزه سلامت
• 93. بینایی ماشین در امنیت و نظارت
• 94. بینایی ماشین در کشاورزی هوشمند
• 95. ملاحظات اخلاقی در بینایی ماشین
• 96. حریم خصوصی و حفاظت از داده‌ها
• 97. سوگیری در الگوریتم‌های بینایی ماشین
• 98. مسئولیت‌پذیری در سیستم‌های بینایی ماشین
• 99. آینده بینایی ماشین و یادگیری عمیق
• 100. معرفی ابزارهای پیشرفته پردازش تصویر