کتاب تغییر تصویر بین‌دامنه با شبکه‌های عصبی (Cross-Domain Image Translation with Neural Networks) 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 تغییر تصویر بین‌دامنه با شبکه‌های عصبی (Cross-Domain Image Translation with Neural Networks)

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین و بینایی کامپیوتر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تغییر تصویر بین‌دامنه
  • 2. کاربردهای تغییر تصویر بین‌دامنه
  • 3. معماری‌های پایه GANها
  • 4. بررسی GANهای پایه: DCGAN، CGAN
  • 5. شبکه‌های مولد متخاصم (GAN) و چالش‌های آن‌ها
  • 6. تابع زیان در GANها: تئوری و پیاده‌سازی
  • 7. ارزیابی مدل‌های GAN
  • 8. معماری CycleGAN: اصل عملکرد و کاربردها
  • 9. پیاده‌سازی CycleGAN برای تبدیل تصویر
  • 10. تکنیک‌های بهبود پایداری CycleGAN
  • 11. معماری Pix2Pix: تبدیل شرطی تصاویر
  • 12. پیاده‌سازی Pix2Pix و کاربردهای آن
  • 13. تابع زیان در Pix2Pix و تنظیم پارامترها
  • 14. معماری UNIT: یادگیری نمایش مشترک
  • 15. تغییر تصویر بین‌دامنه بدون جفت تصاویر
  • 16. بررسی معماری MUNIT و کاربردها
  • 17. تغییر تصویر با استفاده از شبکه‌های VAE-GAN
  • 18. استفاده از شبکه‌های خودرمزگذار متغیر (VAE) در تغییر تصویر
  • 19. بررسی معماری StarGAN و تبدیل چند دامنه
  • 20. استفاده از StarGAN برای تبدیل چندین سبک بصری
  • 21. تغییر تصویر مبتنی بر توجه (Attention)
  • 22. استفاده از مکانیسم‌های توجه در GANها
  • 23. تغییر تصویر با حفظ ساختار: بررسی معماری CUT
  • 24. بررسی و پیاده‌سازی معماری SPADE
  • 25. تغییر تصویر با استفاده از شبکه‌های Transformer
  • 26. استفاده از Transformerها در معماری‌های GAN
  • 27. تکنیک‌های افزایش داده (Data Augmentation) در تغییر تصویر
  • 28. بهبود کیفیت تصاویر تولید شده با ابر مقیاس‌بندی (Super-Resolution)
  • 29. استفاده از یادگیری تقویتی در تغییر تصویر
  • 30. تغییر تصویر با کنترل ویژگی‌های خاص
  • 31. تغییر تصویر مبتنی بر متن (Text-to-Image Translation)
  • 32. تغییر تصویر با استفاده از داده‌های محدود
  • 33. بررسی چالش‌های تغییر تصویر در تصاویر با وضوح بالا
  • 34. بهینه‌سازی مدل‌های تغییر تصویر برای سرعت و کارایی
  • 35. استفاده از تکنیک‌های Quantization و Pruning
  • 36. تغییر تصویر در کاربردهای پزشکی
  • 37. تغییر تصویر در کاربردهای هنری و خلاقانه
  • 38. تغییر تصویر برای تولید داده‌های مصنوعی
  • 39. بررسی روش‌های ارزیابی کیفی و کمی تغییر تصویر
  • 40. مقایسه معماری‌های مختلف تغییر تصویر بین‌دامنه
  • 41. پیاده‌سازی یک پروژه تغییر تصویر کامل (از داده تا مدل)
تگ‌ها: AI computer vision cross-domain image translation CycleGAN deep learning GAN generative models image generation image synthesis image-to-image translation neural networks Pix2Pix style transfer unsupervised learning هوش مصنوعی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.