کتاب فشرده‌سازی تصویر و یادگیری عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فشرده‌سازی تصویر و یادگیری عمیق

موضوع کلی: برنامه نویسی گرافیک کامپیوتری

موضوع میانی: فشرده سازی تصویر (Image Compression)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر فشرده‌سازی تصویر
• 2. فرمت‌های رایج تصاویر و ویژگی‌های آن‌ها
• 3. مبانی ریاضی فشرده‌سازی تصویر
• 4. تبدیل فوریه و کاربرد آن در فشرده‌سازی
• 5. تبدیل کسینوسی گسسته (DCT) و ویژگی‌ها
• 6. کدگذاری هوفمن و کاربرد در فشرده‌سازی
• 7. کدگذاری آریتمتیکی و عملکرد آن
• 8. فشرده‌سازی بدون اتلاف و با اتلاف: تفاوت‌ها و کاربردها
• 9. الگوریتم‌های فشرده‌سازی Lossless: LZW و Run-Length Encoding
• 10. الگوریتم‌های فشرده‌سازی Lossy: JPEG و JPEG 2000
• 11. استاندارد JPEG: ساختار و عملکرد
• 12. استاندارد JPEG 2000: مزایا و معایب
• 13. مقایسه JPEG و JPEG 2000
• 14. فشرده‌سازی تصویر با استفاده از Wavelet
• 15. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
• 16. معماری‌های پایه CNN برای پردازش تصویر
• 17. لایه کانولوشنی و عملکرد آن
• 18. لایه Pooling و کاربردها
• 19. تابع فعال‌سازی (Activation Function) و انواع آن
• 20. یادگیری عمیق و تشخیص الگو در تصاویر
• 21. شبکه‌های خودرمزگذار (Autoencoders) و کاربرد در فشرده‌سازی
• 22. فشرده‌سازی تصویر با استفاده از Autoencoders
• 23. شبکه‌های مولد تخاصمی (GANs) و کاربردها
• 24. بهبود کیفیت تصاویر با استفاده از Super-Resolution GAN
• 25. فشرده‌سازی تصویر با استفاده از GANs
• 26. کاهش ابعاد تصاویر با استفاده از PCA
• 27. کاهش ابعاد تصاویر با استفاده از t-SNE
• 28. متریک‌های ارزیابی کیفیت فشرده‌سازی تصویر
• 29. PSNR و SSIM: بررسی و مقایسه
• 30. اثرات فشرده‌سازی بر روی وظایف بینایی ماشین
• 31. فشرده‌سازی تصویر برای کاربردهای پزشکی
• 32. فشرده‌سازی تصویر برای کاربردهای ماهواره‌ای
• 33. فشرده‌سازی تصویر برای انتقال از طریق شبکه‌های بی‌سیم
• 34. فشرده‌سازی تصویر در دستگاه‌های موبایل
• 35. بهینه‌سازی الگوریتم‌های فشرده‌سازی برای منابع محدود
• 36. فشرده‌سازی تصویر ویدیویی: مفاهیم پایه
• 37. استاندارد H.264 و ویژگی‌های آن
• 38. استاندارد H.265 (HEVC) و مزایا
• 39. فشرده‌سازی تصویر ویدیویی با استفاده از یادگیری عمیق
• 40. تشخیص و حذف نویز در تصاویر فشرده
• 41. بازیابی تصاویر فشرده با کیفیت پایین
• 42. فشرده‌سازی تصویر با حفظ حریم خصوصی
• 43. فشرده‌سازی تصویر و مسائل امنیتی
• 44. کاربردهای فشرده‌سازی تصویر در واقعیت افزوده (AR)
• 45. کاربردهای فشرده‌سازی تصویر در واقعیت مجازی (VR)