کتاب بینایی کامپیوتر برای تشخیص ناهنجاری‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بینایی کامپیوتر برای تشخیص ناهنجاری‌ها

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های دوره

  • 1. مبانی بینایی کامپیوتر و پردازش تصویر
  • 2. مقدمه‌ای بر یادگیری ماشین در بینایی کامپیوتر
  • 3. مفاهیم پایه تشخیص ناهنجاری
  • 4. انواع ناهنجاری‌ها در داده‌های تصویری
  • 5. پیش‌پردازش تصاویر برای تشخیص ناهنجاری
  • 6. نرمال‌سازی و استانداردسازی تصاویر
  • 7. روش‌های افزایش داده برای تصاویر
  • 8. استفاده از فیلترهای گوسی و میانه
  • 9. تشخیص لبه و استخراج ویژگی‌های تصویر
  • 10. کشف ناهنجاری با روش‌های آماری
  • 11. مدل‌های مبتنی بر چگالی برای ناهنجاری
  • 12. روش‌های فاصله‌محور برای تشخیص ناهنجاری
  • 13. خوشه‌بندی داده‌های تصویری برای کشف ناهنجاری
  • 14. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد
  • 15. کاربرد PCA در تشخیص ناهنجاری
  • 16. مدل‌های مبتنی بر اتوانکودر (Autoencoder)
  • 17. آموزش اتوانکودر برای بازسازی تصاویر نرمال
  • 18. تشخیص ناهنجاری با خطای بازسازی اتوانکودر
  • 19. معماری‌های پیشرفته اتوانکودر
  • 20. استفاده از شبکه‌های عصبی کانولوشنی (CNN)
  • 21. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی
  • 22. CNN برای استخراج ویژگی‌های تصویری
  • 23. کاربرد CNN در تشخیص ناهنجاری
  • 24. شبکه‌های عصبی بازگشتی (RNN) در بینایی کامپیوتر
  • 25. تشخیص ناهنجاری در داده‌های ترتیبی تصویری
  • 26. شبکه‌های مولد تخاصمی (GAN) برای تشخیص ناهنجاری
  • 27. تولید داده‌های نرمال با GAN
  • 28. تشخیص ناهنجاری با استفاده از GAN
  • 29. معماری‌های GAN پیشرفته برای تشخیص ناهنجاری
  • 30. یادگیری عمیق بدون نظارت برای تشخیص ناهنجاری
  • 31. روش‌های یادگیری نیمه‌نظارتی برای تشخیص ناهنجاری
  • 32. ترکیب روش‌های نظارتی و بدون نظارت
  • 33. مدل‌های مبتنی بر فاصله در فضای ویژگی
  • 34. مدل‌های مبتنی بر تراکم در فضای ویژگی
  • 35. تکنیک‌های نمونه‌برداری برای داده‌های نامتوازن
  • 36. استفاده از وزن‌دهی به کلاس‌ها
  • 37. روش‌های تشخیص ناهنجاری یک‌کلاسه
  • 38. مدل‌های مبتنی بر ماشین بردار پشتیبان (SVM)
  • 39. استفاده از SVM برای تشخیص ناهنجاری
  • 40. یادگیری تقویتی برای تشخیص ناهنجاری
  • 41. کاربرد یادگیری تقویتی در مسائل پویا
  • 42. تشخیص ناهنجاری در تصاویر پزشکی
  • 43. کاربرد در تصویربرداری اشعه ایکس
  • 44. کاربرد در تصویربرداری MRI
  • 45. کاربرد در تصویربرداری CT Scan
  • 46. تشخیص ناهنجاری در تصاویر صنعتی
  • 47. بازرسی خودکار قطعات تولیدی
  • 48. تشخیص عیوب در خطوط تولید
  • 49. تشخیص ناهنجاری در تصاویر امنیتی
  • 50. تحلیل ویدئو برای کشف رویدادهای غیرعادی
  • 51. تشخیص ناهنجاری در داده‌های ترافیکی
  • 52. تشخیص ناهنجاری در متن و زبان طبیعی (مرتبط با تصویر)
  • 53. پردازش زبان طبیعی برای تحلیل توضیحات تصاویر
  • 54. ارتباط بین بینایی کامپیوتر و پردازش زبان طبیعی
  • 55. ارزیابی عملکرد مدل‌های تشخیص ناهنجاری
  • 56. معیارهای ارزیابی دقت، بازیابی و F1-score
  • 57. منحنی ROC و AUC
  • 58. ارزیابی در سناریوهای دنیای واقعی
  • 59. چالش‌های پیاده‌سازی مدل‌های تشخیص ناهنجاری
  • 60. مقیاس‌پذیری و کارایی مدل‌ها
  • 61. تفسیرپذیری مدل‌های یادگیری عمیق
  • 62. مسائل اخلاقی و حریم خصوصی در تشخیص ناهنجاری
  • 63. کاربرد در حوزه سلامت و بهداشت
  • 64. پیشگیری از بیماری‌های ناشی از ناهنجاری
  • 65. پایش سلامت فردی با استفاده از تصاویر
  • 66. کاربرد در حوزه امنیت و نظارت
  • 67. شناسایی تهدیدات و رفتارهای مشکوک
  • 68. افزایش امنیت در اماکن عمومی
  • 69. کاربرد در حوزه صنعت و تولید
  • 70. کنترل کیفیت محصولات
  • 71. بهینه‌سازی فرآیندهای تولید
  • 72. کاربرد در حوزه حمل و نقل
  • 73. مدیریت ترافیک و ایمنی جاده‌ها
  • 74. خودروهای خودران و تشخیص موانع
  • 75. روش‌های پیشرفته استخراج ویژگی
  • 76. شبکه‌های عصبی ترنسفورمر در بینایی کامپیوتر
  • 77. کاربرد ترنسفورمرها در تشخیص ناهنجاری
  • 78. یادگیری انتقالی (Transfer Learning)
  • 79. استفاده از مدل‌های پیش‌آموزش‌دیده
  • 80. تنظیم دقیق مدل‌ها برای وظایف تشخیص ناهنجاری
  • 81. تکنیک‌های کاهش نویز در تصاویر
  • 82. کاربرد در تصاویر ماهواره‌ای
  • 83. تشخیص تغییرات محیطی
  • 84. تشخیص ناهنجاری در داده‌های سه بعدی
  • 85. مدل‌های مبتنی بر شبکه‌های عصبی سه‌بعدی
  • 86. کاربرد در رباتیک و ناوبری
  • 87. تشخیص عوارض زمین
  • 88. مدل‌های ترکیبی برای تشخیص ناهنجاری
  • 89. ادغام چندین روش برای بهبود دقت
  • 90. بهینه‌سازی فرآیند آموزش مدل‌ها
  • 91. مدیریت منابع محاسباتی
  • 92. پایش و به‌روزرسانی مداوم مدل‌ها
  • 93. آینده پژوهش در تشخیص ناهنجاری
  • 94. روندهای جدید و نوظهور
  • 95. چالش‌های آینده و فرصت‌های پژوهشی
  • 96. اصول اخلاقی در توسعه و کاربرد سیستم‌های هوشمند
  • 97. احترام به حریم خصوصی افراد
  • 98. شفافیت در عملکرد سیستم‌ها
  • 99. کاربرد سیستم‌های تشخیص ناهنجاری در پدافند غیرعامل
  • 100. شناسایی تهدیدات سایبری و فیزیکی
تگ‌ها: بینایی کامپیوتر بینایی کامپیوتر کاربردی بینایی ماشین پردازش تصویر تحلیل تصویر تشخیص ناهنجاری هوش مصنوعی یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.