کتاب صوتی تغییر تصویر بین‌دامنه با شبکه‌های عصبی (Cross-Domain Image Translation with Neural Networks)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تغییر تصویر بین‌دامنه با شبکه‌های عصبی (Cross-Domain Image Translation with Neural Networks)

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین و بینایی کامپیوتر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تغییر تصویر بین‌دامنه
• 2. کاربردهای تغییر تصویر بین‌دامنه
• 3. معماری‌های پایه GANها
• 4. بررسی GANهای پایه: DCGAN، CGAN
• 5. شبکه‌های مولد متخاصم (GAN) و چالش‌های آن‌ها
• 6. تابع زیان در GANها: تئوری و پیاده‌سازی
• 7. ارزیابی مدل‌های GAN
• 8. معماری CycleGAN: اصل عملکرد و کاربردها
• 9. پیاده‌سازی CycleGAN برای تبدیل تصویر
• 10. تکنیک‌های بهبود پایداری CycleGAN
• 11. معماری Pix2Pix: تبدیل شرطی تصاویر
• 12. پیاده‌سازی Pix2Pix و کاربردهای آن
• 13. تابع زیان در Pix2Pix و تنظیم پارامترها
• 14. معماری UNIT: یادگیری نمایش مشترک
• 15. تغییر تصویر بین‌دامنه بدون جفت تصاویر
• 16. بررسی معماری MUNIT و کاربردها
• 17. تغییر تصویر با استفاده از شبکه‌های VAE-GAN
• 18. استفاده از شبکه‌های خودرمزگذار متغیر (VAE) در تغییر تصویر
• 19. بررسی معماری StarGAN و تبدیل چند دامنه
• 20. استفاده از StarGAN برای تبدیل چندین سبک بصری
• 21. تغییر تصویر مبتنی بر توجه (Attention)
• 22. استفاده از مکانیسم‌های توجه در GANها
• 23. تغییر تصویر با حفظ ساختار: بررسی معماری CUT
• 24. بررسی و پیاده‌سازی معماری SPADE
• 25. تغییر تصویر با استفاده از شبکه‌های Transformer
• 26. استفاده از Transformerها در معماری‌های GAN
• 27. تکنیک‌های افزایش داده (Data Augmentation) در تغییر تصویر
• 28. بهبود کیفیت تصاویر تولید شده با ابر مقیاس‌بندی (Super-Resolution)
• 29. استفاده از یادگیری تقویتی در تغییر تصویر
• 30. تغییر تصویر با کنترل ویژگی‌های خاص
• 31. تغییر تصویر مبتنی بر متن (Text-to-Image Translation)
• 32. تغییر تصویر با استفاده از داده‌های محدود
• 33. بررسی چالش‌های تغییر تصویر در تصاویر با وضوح بالا
• 34. بهینه‌سازی مدل‌های تغییر تصویر برای سرعت و کارایی
• 35. استفاده از تکنیک‌های Quantization و Pruning
• 36. تغییر تصویر در کاربردهای پزشکی
• 37. تغییر تصویر در کاربردهای هنری و خلاقانه
• 38. تغییر تصویر برای تولید داده‌های مصنوعی
• 39. بررسی روش‌های ارزیابی کیفی و کمی تغییر تصویر
• 40. مقایسه معماری‌های مختلف تغییر تصویر بین‌دامنه
• 41. پیاده‌سازی یک پروژه تغییر تصویر کامل (از داده تا مدل)