فلش‌کارت‌های آموزشی مبانی پردازش تصویر با OpenCV برای کاربردهای مهندسی و علمی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی پردازش تصویر با OpenCV برای کاربردهای مهندسی و علمی

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش تصویر در علوم کامپیوتر
• 2. مفاهیم پایهٔ تصویر دیجیتال
• 3. نمایش رنگ در تصاویر
• 4. فضاهای رنگی رایج (RGB, HSV)
• 5. عملیات پایهٔ روی پیکسل‌ها
• 6. فیلترهای خطی در پردازش تصویر
• 7. کانولوشن و کاربردهای آن
• 8. فیلترهای میانگین و گوسی
• 9. تشخیص لبه‌ها در تصاویر
• 10. الگوریتم‌های تشخیص لبه (سوبل، پریویت)
• 11. بخش‌بندی تصاویر با آستانه‌گذاری
• 12. آستانه‌گذاری تطبیقی
• 13. مبانی تشخیص الگو
• 14. استخراج ویژگی از تصاویر
• 15. توصیف‌گرهای ویژگی (SIFT، SURF)
• 16. تطبیق ویژگی‌ها بین تصاویر
• 17. مقدمه‌ای بر OpenCV
• 18. نصب و راه‌اندازی OpenCV
• 19. کار با تصاویر در OpenCV
• 20. نمایش و ذخیرهٔ تصاویر
• 21. عملیات پایه‌ای روی تصاویر در OpenCV
• 22. تبدیلات هندسی تصاویر
• 23. تغییر مقیاس و چرخش تصاویر
• 24. انتقال و برش تصاویر
• 25. تغییرات روشنایی و کنتراست
• 26. تنظیم هیستوگرام تصاویر
• 27. فیلترهای بلور کردن (Blurring)
• 28. فیلتر میانگین و گوسی در OpenCV
• 29. فیلتر میانه (Median Filter)
• 30. تشخیص لبه‌ها با Sobel و Scharr
• 31. تشخیص لبه‌ها با Canny
• 32. آستانه‌گذاری ساده و تطبیقی در OpenCV
• 33. عملیات مورفولوژیکی (فرسایش، انبساط)
• 34. بازسازی (Opening) و بستن (Closing) تصاویر
• 35. پیدا کردن کانتورها در تصاویر
• 36. ترسیم کانتورها و ویژگی‌های آن‌ها
• 37. کار با اشکال هندسی در OpenCV
• 38. ترسیم خطوط، دایره‌ها و مستطیل‌ها
• 39. نوشتن متن روی تصاویر
• 40. مفاهیم اولیهٔ بینایی ماشین
• 41. تشخیص اشیاء در تصاویر
• 42. آموزش مدل‌های تشخیص اشیاء
• 43. کاربرد مدل‌های از پیش آموزش‌دیده
• 44. کلاسربندی تصاویر
• 45. استخراج ویژگی‌های تصویر برای کلاسربندی
• 46. ماشین‌های بردار پشتیبان (SVM)
• 47. شبکه‌های عصبی کانولوشنی (CNN)
• 48. مقدمه‌ای بر شبکه‌های عصبی
• 49. معماری‌های پایهٔ CNN
• 50. آموزش شبکه‌های عصبی در OpenCV
• 51. کار با داده‌های تصویری برای آموزش
• 52. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
• 53. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 54. متریک‌های ارزیابی (دقت، فراخوانی)
• 55. مقدمه‌ای بر کاربردهای پردازش تصویر
• 56. تشخیص چهره در تصاویر
• 57. ردیابی اشیاء در ویدئو
• 58. تحلیل حرکت در تصاویر و ویدئو
• 59. بازسازی سه‌بعدی از تصاویر
• 60. تولید تصاویر جدید (تولید محتوای تصویری)
• 61. پردازش تصاویر پزشکی
• 62. کاربرد در رباتیک و اتوماسیون صنعتی
• 63. پردازش تصاویر ماهواره‌ای و ژئوفیزیک
• 64. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 65. مبانی شبکه‌های عصبی عمیق
• 66. معماری‌های پیشرفتهٔ CNN (ResNet, VGG)
• 67. شبکه‌های مولد تخاصمی (GANs)
• 68. کاربرد GANs در تولید تصویر
• 69. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 70. ارتباط بینایی ماشین و NLP
• 71. تشخیص متن در تصاویر (OCR)
• 72. استخراج اطلاعات از اسناد تصویری
• 73. مقدمه‌ای بر واقعیت افزوده (AR)
• 74. مبانی ردیابی و هم‌ترازی در AR
• 75. کاربرد پردازش تصویر در AR
• 76. مقدمه‌ای بر واقعیت مجازی (VR)
• 77. کاربرد پردازش تصویر در VR
• 78. کاربرد پردازش تصویر در سیستم‌های توصیه‌گر
• 79. تحلیل احساسات از روی تصاویر
• 80. مقدمه‌ای بر پردازش ویدئو
• 81. استخراج اطلاعات از جریان ویدئویی
• 82. تشخیص و ردیابی چند شیء
• 83. تکنیک‌های فشرده‌سازی ویدئو
• 84. مقدمه‌ای بر امنیت و پردازش تصویر
• 85. تشخیص تقلب در تصاویر
• 86. واترمارکینگ تصاویر
• 87. کاربرد پردازش تصویر در تحلیل شبکه‌های اجتماعی
• 88. مقدمه‌ای بر اخلاق در هوش مصنوعی و پردازش تصویر
• 89. مسائل حریم خصوصی در پردازش تصویر
• 90. سوگیری در مدل‌های پردازش تصویر
• 91. آیندهٔ پردازش تصویر و بینایی ماشین
• 92. کاربردهای پیشرفتهٔ بینایی ماشین
• 93. پردازش تصویر در خودروهای خودران
• 94. مقدمه‌ای بر محاسبات ابری برای پردازش تصویر
• 95. بهینه‌سازی الگوریتم‌های پردازش تصویر
• 96. مقدمه‌ای بر پردازش تصویر در زمان واقعی (Real-time)
• 97. پیاده‌سازی الگوریتم‌های کارآمد
• 98. پروژه‌های عملی در پردازش تصویر