دوره Grad-CAM برای تفسیر مدل‌های تشخیص اجرام آسمانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Grad-CAM برای تفسیر مدل‌های تشخیص اجرام آسمانی

موضوع کلی: کیهان‌شناسی و فیزیک نوین

موضوع میانی: شبکه‌های عصبی کانولوشنال

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تفسیرپذیری مدل‌های تشخیص اجرام آسمانی
• 2. تعریف کلاس‌ها، برچسب‌ها و معیارهای ارزیابی
• 3. شناخت داده‌های تصویری رصدی و ساختار کلاس‌ها
• 4. اثرات سامانه‌ای دوربین، نویز و پاسخ پخش‌شده نقطه‌ای
• 5. پاک‌سازی تصاویر، انتخاب نمونه‌ها و تقسیم داده
• 6. مدیریت عدم توازن کلاس‌ها و augmentation
• 7. مرور ساختار شبکه‌های عصبی کانولوشنی
• 8. نقش نقشه‌های ویژگی و میدان دید مؤثر
• 9. معماری‌های CNN و انتقال یادگیری برای داده‌های نجومی
• 10. تحلیل خطاها و تفاوت رفتار کلاس‌ها
• 11. ارتباط CAM و Grad-CAM
• 12. چرا Grad-CAM برای تصاویر نجومی مناسب است؟
• 13. تفاوت Grad-CAM با سایر روش‌های تفسیری
• 14. مبانی گرادیانی و مشتق‌پذیری در مدل‌های CNN
• 15. فرمول محاسبه نقشه اهمیت Grad-CAM
• 16. تفسیر نقش ReLU در نمایش شواهد مثبت کلاس
• 17. انتخاب لایه کانولوشنی هدف
• 18. انتخاب خروجی، کلاس هدف و نماینده کلاس
• 19. اتصال گرادیان‌ها با Hook در PyTorch
• 20. اتصال گرادیان‌ها با Callback در TensorFlow
• 21. پیاده‌سازی پایانی‌به‌پایانی Grad-CAM
• 22. همسان‌سازی پیش‌پردازش تصویر با آموزش مدل
• 23. تولید و ذخیره نقشه‌های حرارتی
• 24. نمایش هم‌پوشانی نقشه حرارتی با تصویر اصلی
• 25. مقیاس‌گذاری، نرمال‌سازی و انتخاب رنگ‌مایه
• 26. مقایسه نقشه‌ها در ابعاد و مقیاس‌های مختلف
• 27. تعیین baseline و حالت‌های کنترلی
• 28. Grad-CAM++ برای تمرکز بر مناطق کوچک
• 29. Score-CAM برای تفسیر بدون گرادیان مستقیم
• 30. XGrad-CAM برای کاهش نویز گرادیانی
• 31. Grad-CAM چندکلاسه برای مقایسه رقابت کلاس‌ها
• 32. Grad-CAM چندمقیاسی برای اجرام پهن‌مقیاس
• 33. حساسیت نتیجه به معماری شبکه
• 34. حساسیت نتیجه به لایه هدف و عمق مدل
• 35. پایداری تفسیر در تصویر و augmentationهای مختلف
• 36. اعتبارسنجی با Occlusion و Perturbation
• 37. معیارهای کمی محلی‌سازی و هم‌پوشانی
• 38. ارزیابی تفسیر توسط کارشناسان نجوم
• 39. سنجش پایداری آماری و عدم قطعیت نقشه‌ها
• 40. تحلیل خطاهای کاذب مثبت و کاذب منفی
• 41. تفسیر تمایز ستارگان، کهکشان‌ها و کوازارها
• 42. تحلیل نقش ساختارهای مورفولوژیک در تصمیم مدل
• 43. تشخیص اثرات PSF، خراش، اشباع و Cosmic ray
• 44. بررسی آستانه‌های تشخیص و اجرام مرزی
• 45. اثر ناپایداری کلاس‌ها و برچسب‌های ناسازگار
• 46. انتقال میان Surveyها و سازندهای مختلف
• 47. اثر Domain Shift بر پایداری Grad-CAM
• 48. تفسیر مدل‌های انتقال‌یافته و لایه‌های پایه
• 49. ارتباط Grad-CAM با عدم قطعیت و کالیبراسیون مدل
• 50. کنترل نشت داده و وابستگی فضایی نمونه‌ها
• 51. طراحی آزمایش تکرارپذیر و ثبت نسخه مدل
• 52. پایش تفسیرپذیری در استقرار و به‌روزرسانی مدل
• 53. تفسیر مسئولانه و محدودیت‌های شواهد بصری
• 54. پروژه پایانی: تحلیل کامل یک مدل تشخیص اجرام آسمانی