کتاب آموزش CNN برای تشخیص اشیاء با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش CNN برای تشخیص اشیاء

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بینایی کامپیوتر و یادگیری عمیق
• 2. ساختار لایه‌های کانولوشنی و عملکرد آن‌ها
• 3. تابع فعال‌سازی و نقش آن در شبکه
• 4. پولینگ و کاهش ابعاد فضایی
• 5. لایه‌های Fully Connected و خروجی
• 6. معماری‌های بنیادی: LeNet تا AlexNet
• 7. Batch Normalization و Dropout
• 8. مبانی بهینه‌سازی: SGD و Adam
• 9. Cross-Entropy و تابع هزینه در طبقه‌بندی
• 10. Data Augmentation و افزایش داده
• 11. Transfer Learning و مدل‌های از پیش‌آموخته‌شده
• 12. ویژگی‌کشی با Pre-trained Networks
• 13. معماری VGG و الگوی لایه‌های عمیق
• 14. معماری ResNet و بقایای گرادیان
• 15. معماری Inception و بلوک‌های چندنمایه
• 16. معماری MobileNet و کارایی پردازشی
• 17. معماری EfficientNet و مقیاس‌پذیری
• 18. تفاوت طبقه‌بندی و تشخیص اشیاء
• 19. پنجره‌شبانه و Region Proposal
• 20. R-CNN و شکل‌گری تشخیص اشیاء
• 21. Fast R-CNN و بهبود عملکرد
• 22. Faster R-CNN و شبکه پیشنهاد ناحیه
• 23. SSD و تشخیص یک‌پاسخ
• 24. YOLOv1 تا YOLOv8 و معماری‌ها
• 25. Anchor Boxes و ابعاد پیش‌فرض
• 26. Non-Maximum Suppression و حذف تکرار
• 27. IoU و محاسبهٔ تداخل جعبه
• 28. mAP و معیارهای ارزیابی تشخیص
• 29. داده‌برچسب‌گذاری و Format‌های Annotation
• 30. دسته‌بندی COCO و Pascal VOC
• 31. مدیریت عدم‌تعادل داده
• 32. Funções de perda در تشخیص (Localization + Classification)
• 33. آموزش با Datasets سفارشی
• 34. تنظیم یادگیری و LR Scheduling
• 35. Regularization در مدل‌های بزرگ
• 36. تحلیل خطا و Visualizing Mistakes
• 37. تفسیر تصمیم‌گیری شبکه با Grad-CAM
• 38. اعتبارسنجی و Test Set Design
• 39. بهینه‌سازی مدل: Quantization و Pruning
• 40. تصحیح داده‌ها و Data Cleaning
• 41. Real-Time Detection و بهینه‌سازی سرعت
• 42. انتشار مدل: ONNX و TensorRT
• 43. 部署 و API برای برنامه‌های کاربردی
• 44. تشخیص اشیاء در ویدیو و Tracking
• 45. کار با دوربین‌های زنده و Stream Processing
• 46. اعمال عملی: تشخیص خودرو، چهره و محصول
• 47. معماری‌های مدرن: DETR و Vision Transformers
• 48. پروژهٔ کامل تشخیص اشیاء از صفر