کتاب صوتی آشنایی با مفاهیم پایه بینایی کامپیوتر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با مفاهیم پایه بینایی کامپیوتر

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر بینایی کامپیوتر و کاربردهای آن
• 2. تاریخچه و تکامل بینایی کامپیوتر
• 3. حوزه های کلیدی بینایی کامپیوتر
• 4. تفاوت بینایی کامپیوتر با پردازش تصویر
• 5. اصول تصویر دیجیتال
• 6. نمایش تصویر به صورت ماتریس
• 7. مدل های رنگی (RGB, HSV, CMYK)
• 8. تبدیل فضای رنگی
• 9. عملیات ریاضی روی تصاویر
• 10. هیستوگرام تصویر
• 11. اکولایز کردن هیستوگرام
• 12. فیلترهای فضایی: معرفی و انواع
• 13. فیلترهای میانگین و میانه
• 14. فیلترهای گاوسی
• 15. تشخیص لبه: مفاهیم پایه
• 16. اپراتورهای تشخیص لبه: Sobel, Prewitt, Roberts
• 17. اپراتور Canny: مراحل و تنظیمات
• 18. تبدیلات مورفولوژیکی: Erosion, Dilation, Opening, Closing
• 19. بخش بندی تصویر: مفاهیم پایه
• 20. روش های آستانه گذاری سراسری
• 21. روش های آستانه گذاری محلی (Adaptive Thresholding)
• 22. روش Otsu برای آستانه گذاری اتوماتیک
• 23. بخش بندی مبتنی بر ناحیه (Region Growing)
• 24. بخش بندی مبتنی بر خوشه بندی (K-Means)
• 25. تشخیص ویژگی: مفاهیم پایه
• 26. نقاط کلیدی (Keypoints) و توصیف گرها (Descriptors)
• 27. الگوریتم SIFT: مراحل و کاربردها
• 28. الگوریتم SURF: مراحل و کاربردها
• 29. الگوریتم ORB: مراحل و کاربردها
• 30. تطبیق ویژگی (Feature Matching)
• 31. تبدیل هاف (Hough Transform): تشخیص خطوط
• 32. تبدیل هاف: تشخیص دایره ها
• 33. مدل های هندسی (Geometric Models)
• 34. تخمین پارامتر مدل (Model Parameter Estimation)
• 35. روش RANSAC: مفاهیم و کاربردها
• 36. مقدمه ای بر یادگیری ماشین در بینایی کامپیوتر
• 37. دسته بندی تصاویر (Image Classification): مفاهیم پایه
• 38. روش های دسته بندی سنتی (KNN, SVM)
• 39. شبکه های عصبی کانولوشنال (CNN): معرفی
• 40. معماری های معروف CNN: LeNet, AlexNet, VGGNet
• 41. معماری ResNet و مفاهیم شبکه های عمیق
• 42. معماری InceptionNet
• 43. انتقال یادگیری (Transfer Learning) در بینایی کامپیوتر
• 44. ریزتنظیم (Fine-tuning) مدل های پیش آموزش دیده
• 45. افزایش داده (Data Augmentation) برای بهبود عملکرد مدل
• 46. تشخیص اشیا (Object Detection): مفاهیم پایه
• 47. الگوریتم های تشخیص اشیا: R-CNN, Fast R-CNN, Faster R-CNN
• 48. الگوریتم YOLO: معرفی و عملکرد
• 49. الگوریتم SSD: معرفی و عملکرد
• 50. ارزیابی عملکرد مدل های تشخیص اشیا (mAP)
• 51. بخش بندی معنایی (Semantic Segmentation): مفاهیم پایه
• 52. شبکه های FCN (Fully Convolutional Networks)
• 53. شبکه های U-Net
• 54. نمونه سازی متضاد (Contrastive Sampling)
• 55. شبکه های GAN (Generative Adversarial Networks) در بینایی کامپیوتر
• 56. تولید تصویر با استفاده از GAN ها
• 57. تبدیل تصویر به تصویر با استفاده از GAN ها (CycleGAN)
• 58. مقدمه ای بر بینایی کامپیوتر سه بعدی
• 59. دوربین های استریو (Stereo Cameras)
• 60. محاسبه عمق (Depth Estimation)
• 61. ابرهای نقطه ای (Point Clouds)
• 62. بازسازی سه بعدی (3D Reconstruction)
• 63. بینایی کامپیوتر در رباتیک
• 64. بینایی کامپیوتر در خودروهای خودران
• 65. بینایی کامپیوتر در پزشکی
• 66. بینایی کامپیوتر در کشاورزی
• 67. بینایی کامپیوتر در نظارت تصویری
• 68. بینایی کامپیوتر در واقعیت افزوده (Augmented Reality)
• 69. بینایی کامپیوتر در واقعیت مجازی (Virtual Reality)
• 70. مقدمه ای بر کتابخانه OpenCV
• 71. نصب و راه اندازی OpenCV
• 72. کار با تصاویر و ویدیوها در OpenCV
• 73. پردازش تصویر با OpenCV
• 74. تشخیص اشیا با OpenCV
• 75. یادگیری ماشین با OpenCV
• 76. مقدمه ای بر کتابخانه TensorFlow
• 77. نصب و راه اندازی TensorFlow
• 78. ساخت مدل های CNN با TensorFlow
• 79. آموزش مدل های CNN با TensorFlow
• 80. مقدمه ای بر کتابخانه PyTorch
• 81. نصب و راه اندازی PyTorch
• 82. ساخت مدل های CNN با PyTorch
• 83. آموزش مدل های CNN با PyTorch
• 84. ارزیابی و تفسیر نتایج مدل های بینایی کامپیوتر
• 85. مقابله با داده های نامتعادل (Imbalanced Data)
• 86. روش های کاهش ابعاد ویژگی (Dimensionality Reduction)
• 87. روش های بهبود عملکرد مدل های بینایی کامپیوتر
• 88. ملاحظات اخلاقی در بینایی کامپیوتر
• 89. آسیب پذیری های امنیتی در بینایی کامپیوتر
• 90. آینده بینایی کامپیوتر و ترندهای جدید
• 91. معماری ترانسفورمرها در بینایی کامپیوتر (Vision Transformers)
• 92. یادگیری خود نظارتی (Self-Supervised Learning) در بینایی کامپیوتر
• 93. یادگیری فعال (Active Learning) در بینایی کامپیوتر
• 94. بینایی کامپیوتر لبه (Edge Computer Vision)
• 95. کمپرس تصویر (Image Compression)
• 96. آشنایی با فرمت های مختلف تصویر (JPEG, PNG, TIFF)
• 97. پردازش تصویر مبتنی بر ابر (Cloud-based Image Processing)
• 98. پروژه عملی: تشخیص پلاک خودرو
• 99. پروژه عملی: تشخیص چهره
• 100. پروژه عملی: شمارش اشیا