کتاب صوتی طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی داده‌محور برای تحلیل تصاویر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی داده‌محور برای تحلیل تصاویر

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بینایی کامپیوتر و پردازش تصویر

📋 سرفصل‌های دوره

• 1. طراحی سیستم داده‌محور در بینایی کامپیوتر
• 2. مفاهیم پایه پردازش تصویر
• 3. معرفی کتابخانه OpenCV و نصب آن
• 4. خواندن و نمایش تصاویر
• 5. تبدیل فضای رنگی و کانال‌ها
• 6. پیش‌پردازش تصویر: نرمال‌سازی و مقیاس‌بندی
• 7. فیلترهای مکانی و کاهش نویز
• 8. تشخیص لبه و استخراج ویژگی
• 9. آستانه‌گذاری و قطعه‌بندی تصویر
• 10. عملیات مورفولوژیکی
• 11. تشخیص اشکال و کانتورها
• 12. استخراج ویژگی‌های هندسی
• 13. مبانی یادگیری ماشین برای تصاویر
• 14. رگرسیون و طبقه‌بندی تصاویر
• 15. معرفی شبکه‌های عصبی کانولوشنی (CNN)
• 16. معماری پایه CNN
• 17. لایه‌های کانولوشن، Pooling و Fully Connected
• 18. آموزش شبکه عصبی با داده‌های تصویری
• 19. جلوگیری از بیش‌برازش در مدل‌های تصویری
• 20. تقویت داده و افزایش تنوع مجموعه داده
• 21. مدیریت مجموعه داده‌های نامتوازن
• 22. برچسب‌گذاری و حاشیه‌نویسی داده
• 23. معیارهای ارزیابی مدل‌های بینایی
• 24. تشخیص اشیاء با رویکرد داده‌محور
• 25. معماری YOLO برای تشخیص بلادرنگ
• 26. آموزش مدل تشخیص اشیاء با داده اختصاصی
• 27. قطعه‌بندی معنایی تصاویر
• 28. معماری U-Net و کاربردهای آن
• 29. قطعه‌بندی نمونه و تفاوت با معنایی
• 30. طبقه‌بندی تصاویر با یادگیری انتقالی
• 31. استفاده از مدل‌های پیش‌آموزش دیده
• 32. فاین‌تیونگ مدل‌های بزرگ
• 33. تشخیص چهره و هویت
• 34. بازیابی تصویر بر اساس محتوا
• 35. سیستم‌های توصیه‌گر تصویری
• 36. تولید داده مصنوعی برای آموزش
• 37. مدیریت کیفیت داده در پروژه‌های تصویری
• 38. خط لوله داده برای بینایی کامپیوتر
• 39. یکپارچه‌سازی مدل در برنامه کاربردی
• 40. بهینه‌سازی مدل برای استقرار
• 41. حافظه و سرعت در سیستم‌های بلادرنگ
• 42. تفسیرپذیری مدل‌های تصویری
• 43. تشخیص ناهنجاری در تصاویر
• 44. تجزیه و تحلیل ویدئو و فریم‌ها
• 45. ردیابی اشیاء در ویدئو
• 46. تشخیص حرکت و رویداد
• 47. پردازش تصاویر پزشکی و کاربردها
• 48. بینایی کامپیوتر در صنعت و تولید
• 49. تشخیص اشیاء کوچک و چالش‌ها
• 50. مدل‌های سبک برای دستگاه‌های محدود
• 51. آموزش مدل با داده‌های برچسب‌دار محدود
• 52. یادگیری نیمه‌نظارتی برای تصاویر
• 53. یادگیری خودنظارتی در بینایی
• 54. مدل‌های مولد برای تصاویر
• 55. تطبیق دامنه در پردازش تصویر
• 56. تست و اعتبارسنجی سیستم داده‌محور
• 57. عیب‌یابی مدل‌های بینایی کامپیوتر
• 58. مستندسازی پروژه و گزارش نتایج
• 59. روندهای پیشرفته در بینایی داده‌محور