فلش‌کارت‌های آموزشی یادگیری عمیق در بینایی کامپیوتر: تشخیص تصویر، طبقه‌بندی و شناسایی اشیاء

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق در بینایی کامپیوتر: تشخیص تصویر، طبقه‌بندی و شناسایی اشیاء

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

• 1. مقدمه به بینایی کامپیوتر و یادگیری عمیق
• 2. اصول پایه یادگیری عمیق و شبکه‌های عصبی
• 3. تئوری داده و آماده‌سازی داده‌ها برای یادگیری عمیق
• 4. شبکه‌های عصبی کنولوشنال (CNN) - معرفی و ساختار
• 5. لایه‌های هوشمند CNN و عملکرد آن‌ها
• 6. توپلی (Pooling) و کاهش ابعاد
• 7. دروازه‌ها (Dropout) و پیشگیری از فراموشی
• 8. تابع خطا و تنظیم هماهنگ (Loss Functions)
• 9. رگرسورنت‌ها و شبکه‌های کامل (Dense Layers)
• 10. Backpropagation و آرام‌خواب
• 11. شبکه‌های CNN‌های اولیه برای تشخیص تصویر
• 12. مدل LeNet ۷۰۸ - معرفی و اجرایی
• 13. شبکه‌های ال‌بی‌کانت (AlexNet) - نقض گذار
• 14. شبکه‌های VGG - عمق و فیلترها
• 15. شبکه‌های ResNet - هوش مصنوعی عمیق و تکرار
• 16. شبکه‌های Inception - چندوجهی بودن
• 17. شبکه‌های DenseNet - ارتباط داخلی
• 18. شبکه‌های YOLO - تشخیص بلادرنگ
• 19. تشخیص تصویر (Image Classification) - مبانی
• 20. شبکه‌های CNN برای طبقه‌بندی کل تصویر
• 21. کلاستریفایش و دسته‌بندی تصویری
• 22. تشخیص اشیاء در تصاویر (Object Detection)
• 23. مفهوم مرز (Bounding Box) و ترکیب‌بندی
• 24. شبکه‌های CNN برای تشخیص اشیاء
• 25. R-CNN و کانوال‌های مرتبط
• 26. Faster R-CNN - بهینه‌سازی کانوال‌ها
• 27. YOLO (You Only Look Once) - معرفی
• 28. YOLOv1 - الگوریتم اصلی
• 29. YOLOv2 - بهبود دقت
• 30. YOLOv3 - تشخیص چندشکل و موقعیت
• 31. YOLOv4 - افزایش قدرت و سرعت
• 32. YOLOv5 - طراحی مدرن
• 33. تشخیص اشیاء گرافیکی (Pose Estimation)
• 34. شبکه‌های 3D CNN برای واقعیت مجازی
• 35. تشخیص صحنه (Scene Understanding)
• 36. بهینه‌سازی مدل‌ها برای سرعت و اندازه
• 37. Quantization و Pruning برای توزیع محلي
• 38. انتقال یادگیری (Transfer Learning) با Pre-trained Models
• 39. Fine-tuning مدل‌های Google و Facebook
• 40. Domain Adaptation برای داده‌های جدید
• 41. آموزش روی محیط واقعی (On-device Training)
• 42. اخلاق در یادگیری عمیق و حریم خصوصی
• 43. مقایسه ابزارهای تجاری (TensorFlow, PyTorch, OpenCV, Detectron2)
• 44. پروژه نهایی: ساخت سیستم تشخیص تصویر خودکار
• 45. ارزیابی عملکرد و مدیریت مدل
• 46. مسیرهای تحصیل و کار در حوزه یادگیری عمیق و بینایی کامپیوتر