کتاب انتقال یادگیری در تشخیص اشیا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره انتقال یادگیری در تشخیص اشیا

موضوع کلی: بینایی کامپیوتر و پردازش تصویر

موضوع میانی: انتقال یادگیری در بینایی کامپیوتر

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین برای تشخیص اشیا
• 2. پردازش تصویر: اصول و تکنیک‌ها
• 3. پیش‌پردازش تصاویر برای تشخیص اشیا
• 4. استخراج ویژگی‌های بصری از تصاویر
• 5. دسته بندی تصاویر: روش‌های سنتی
• 6. درخت‌های تصمیم‌گیری در تشخیص اشیا
• 7. ماشین‌های بردار پشتیبان (SVM) و تشخیص اشیا
• 8. یادگیری عمیق: مقدمه‌ای
• 9. شبکه‌های عصبی کانولوشنی (CNN): معماری و کاربردها
• 10. لایه‌های کانولوشنی: عملکرد و تنظیمات
• 11. لایه‌های تجمیع (Pooling): انواع و کاربردها
• 12. تابع فعال‌سازی: انواع و انتخاب مناسب
• 13. بهینه‌سازی شبکه‌های عصبی: گرادیان کاهشی
• 14. انتخاب تابع هزینه (Loss Function) مناسب
• 15. تنظیم پارامترهای شبکه‌های عصبی (Hyperparameter Tuning)
• 16. معماری‌های معروف CNN: AlexNet، VGGNet
• 17. معماری‌های معروف CNN: ResNet، Inception
• 18. معماری‌های معروف CNN: DenseNet
• 19. انتقال یادگیری (Transfer Learning) در تشخیص اشیا
• 20. مجموعه داده‌های استاندارد برای تشخیص اشیا: ImageNet، COCO
• 21. معیارهای ارزیابی عملکرد تشخیص اشیا: دقت، فراخوانی، F1-score
• 22. تشخیص اشیا با استفاده از مدل‌های پیش‌آموزش‌دیده
• 23. Fine-tuning مدل‌های پیش‌آموزش‌دیده برای تشخیص اشیا
• 24. تشخیص اشیا در تصاویر با ابعاد بزرگ
• 25. تشخیص اشیا در تصاویر با نور کم
• 26. تشخیص اشیا در شرایط آب و هوایی نامساعد
• 27. تشخیص اشیا در تصاویر با پس‌زمینه شلوغ
• 28. تشخیص اشیا در ویدیوها: چالش‌ها و راهکارها
• 29. تشخیص اشیا در تصاویر پزشکی
• 30. تشخیص اشیا در تصاویر ماهواره‌ای
• 31. تشخیص اشیا در تصاویر خیابانی
• 32. تشخیص اشیا با استفاده از TensorFlow
• 33. تشخیص اشیا با استفاده از PyTorch
• 34. تشخیص اشیا با استفاده از Keras
• 35. استفاده از GPU برای تسریع فرآیند تشخیص اشیا
• 36. بهینه‌سازی مدل‌های تشخیص اشیا برای دستگاه‌های موبایل
• 37. مدل‌های تشخیص اشیا یک مرحله‌ای: SSD، YOLO
• 38. مدل‌های تشخیص اشیا دو مرحله‌ای: Faster R-CNN، Mask R-CNN
• 39. تشخیص اشیا مبتنی بر ترانسفورمرها
• 40. مفهوم جعبه‌های محدود کننده (Bounding Boxes)
• 41. تولید پیشنهادهای ناحیه‌ای (Region Proposals)
• 42. غیرحداکثری سرکوب (Non-Maximum Suppression)
• 43. تفسیرپذیری مدل‌های تشخیص اشیا
• 44. کاربردهای تشخیص اشیا در صنعت
• 45. آینده تشخیص اشیا و چالش‌های پیش رو