کتاب بخش‌بندی نقطه‌نقشه با PointNet: از مبانی تا مدل‌های پیشرفته 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: 62,488 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 بخش‌بندی نقطه‌نقشه با PointNet: از مبانی تا مدل‌های پیشرفته

موضوع کلی: پردازش نقطه‌نقشه

موضوع میانی: بخش‌بندی نقطه‌نقشه

📋 سرفصل‌های دوره

  • 1. مقدمه به بخش‌بندی نقطه‌نقشه
  • 2. آشنایی با PointNet و بخش‌بندی نقطه‌نقشه
  • 3. پیشینه مدل‌های پردازش نقطه‌نقشه
  • 4. مفاهیم پایه‌ای نقطه‌نقشه (نمایش، هندسه)
  • 5. پیش‌پردازش داده‌های نقطه‌نقشه
  • 6. شبکه‌های عصبی کامل بر روی مجموعه‌های نقطه‌ای
  • 7. مرور کلی معماری PointNet
  • 8. PointNet برای طبقه‌بندی نقطه‌نقشه
  • 9. طراحی توپولوژی PointNet برای بخش‌بندی
  • 10. توابع از دست رفته برای بخش‌بندی نقطه‌نقشه
  • 11. باینری کراس‌انتروپی و تعدیل کلاس‌های نامتوازن
  • 12. بهینه‌سازی با استفاده از گرادیان (Adam, SGD)
  • 13. آموزش PointNet بر روی داده‌های بخش‌بندی
  • 14. افزایش داده‌ها برای بهبود عملکرد بخش‌بندی
  • 15. راه‌های اندازه‌گیری عملکرد بخش‌بندی (mIoU, Dice)
  • 16. مجموعه‌های نقطه‌ای نقطه‌ای PointNet++
  • 17. PointNet++ برای بخش‌بندی با دقت بالا
  • 18. شبکه‌های جایگزین (DeepSets, PointCNN)
  • 19. تکنیک‌های ادغام چند نقطه‌نقشه
  • 20. بخش‌بندی نمونه‌ها در زمان واقعی
  • 21. استقرار PointNet در محیط‌های واقعی
  • 22. مقیاس‌گذاری PointNet با استفاده از GPUهای چند
  • 23. ابزارهای کتابخانه (Point Cloud Library, Open3D)
  • 24. ساخت یک پکیج بخش‌بندی نقطه‌نقشه کامل با PyTorch
  • 25. نوشتن کدهای سفارشی برای PointNet
  • 26. تنظیمات پیشرفته (DropPath, Attention)
  • 27. راه‌های مقابله با نوروزن (Noise injection)
  • 28. بخش‌بندی نقطه‌نقشه با استفاده از چندمدل (ensembling)
  • 29. استدلال بخش‌بندی نقطه‌نقشه در سناریوهای چندکلاسه
  • 30. بخش‌بندی نقطه‌نقشه با استفاده از یادگیری فوق‌ناظر
  • 31. بخش‌بندی نقطه‌نقشه بدون نظارت با استفاده از روش‌های نیمه‌نظارتی
  • 32. ترکیب بخش‌بندی نقطه‌نقشه با مدل‌های ژنرال purpose
  • 33. کاربردهای بخش‌بندی نقطه‌نقشه در روباتیک
  • 34. کاربردهای بخش‌بندی نقطه‌نقشه در خودروهای خودران
  • 35. بخش‌بندی نقطه‌نقشه در بازنمایی فضای شهری
  • 36. بخش‌بندی نقطه‌نقشه در بازنمایی ساختمان‌ها
  • 37. بخش‌بندی نقطه‌نقشه در بازنمایی محیط‌های داخلی
  • 38. بخش‌بندی نقطه‌نقشه در بازنمایش پزشکی
  • 39. بخش‌بندی نقطه‌نقشه در بازنمایش زیستی
  • 40. مقایسه مدل‌های بخش‌بندی نقطه‌نقشه (PointNet مقابل PointNet++)
  • 41. روش‌های پیشنهادی برای بهبود بخش‌بندی نقطه‌نقشه
  • 42. راه‌های تشخیص و رفع باگ‌ها در بخش‌بندی
  • 43. ساخت مجموعه‌های داده نقطه‌نقشه برای بخش‌بندی
  • 44. دسترسی به مجموعه‌های داده نقطه‌نقشه عمومی (ModelNet, SceneNet)
  • 45. راهنمای بارگیری و پردازش مجموعه‌های داده
  • 46. تکرارهای کد برای بازسازی مجموعه‌های داده
  • 47. بهینه‌سازی سرعت برای استنتاج بخش‌بندی
  • 48. کاهش دقت برای بخش‌بندی در زمان واقعی
  • 49. روش‌های کم‌دقت‌سازی (distillation)
  • 50. تولید بخش‌بندی نقطه‌نقشه برای هدایت روبات‌ها
  • 51. بخش‌بندی نقطه‌نقشه در سناریوهای چندمحیطی
  • 52. بخش‌بندی نقطه‌نقشه در نور کم و شرایط نامساعد
  • 53. بخش‌بندی نقطه‌نقشه با استفاده از اطلاعات اضافی (LiDAR, RGB)
  • 54. بخش‌بندی نقطه‌نقشه با استفاده از شبکه‌های عصبی همگن (CNN)
  • 55. ادغام بخش‌بندی نقطه‌نقشه با روش‌های پایه‌ای
  • 56. آموزش بخش‌بندی نقطه‌نقشه با استفاده از داده‌های برچسب‌خورده
  • 57. بخش‌بندی نقطه‌نقشه با استفاده از روش‌های خودمراقب
  • 58. بخش‌بندی نقطه‌نقشه با استفاده از شبکه‌های مخالف
  • 59. آموزش بخش‌بندی نقطه‌نقشه بدون داده‌های برچسب‌خورده (Zero-shot)
  • 60. آینده بخش‌بندی نقطه‌نقشه (Transformer برای نقطه‌نقشه)
تگ‌ها: 3D-Datenverarbeitung Computer Vision Datenaufbereitung Deep Learning Evaluierung maschinelles Lernen PointNet PointNet++ Punktwolken-Segmentierung Python PyTorch Semantic Segmentation

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.