کتاب صوتی بهبود کیفیت تصویر با شبکه‌های کانولوشن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهبود کیفیت تصویر با شبکه‌های کانولوشن

موضوع کلی: یادگیری عمیق در بینایی ماشین

موضوع میانی: یادگیری عمیق برای حذف نویز تصاویر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش تصویر دیجیتال
• 2. نمایش و ذخیره‌سازی تصاویر
• 3. مفاهیم اساسی فیلترهای تصویر
• 4. فیلترهای میانگین‌گیری
• 5. فیلترهای میانگین‌گیری وزنی
• 6. فیلترهای گوسی
• 7. تشخیص لبه در تصاویر
• 8. عملگرهای تشخیص لبه: Sobel
• 9. عملگرهای تشخیص لبه: Prewitt
• 10. عملگرهای تشخیص لبه: Canny
• 11. مورفولوژی ریاضی در پردازش تصویر
• 12. عملگرهای اتساع و فرسایش
• 13. عملگرهای باز و بسته شدن
• 14. تبدیل فوریه در پردازش تصویر
• 15. مقدمه‌ای بر شبکه‌های عصبی
• 16. شبکه‌های عصبی کانولوشن
• 17. لایه کانولوشن
• 18. لایه فعال‌سازی
• 19. لایه تجمیع (Pooling)
• 20. شبکه‌های عصبی کانولوشن عمیق
• 21. معماری‌های رایج شبکه‌های کانولوشن: AlexNet
• 22. معماری‌های رایج شبکه‌های کانولوشن: VGGNet
• 23. معماری‌های رایج شبکه‌های کانولوشن: GoogLeNet
• 24. معماری‌های رایج شبکه‌های کانولوشن: ResNet
• 25. توابع زیان (Loss Functions) در شبکه‌های کانولوشن
• 26. بهینه‌سازی شبکه‌های کانولوشن
• 27. تنظیم‌سازی (Regularization) در شبکه‌های کانولوشن
• 28. افزایش داده (Data Augmentation)
• 29. انتقال یادگیری (Transfer Learning)
• 30. Fine-tuning شبکه‌های کانولوشن
• 31. ارزیابی عملکرد شبکه‌های کانولوشن
• 32. معیارهای ارزیابی: دقت، بازخوانی، F1-score
• 33. کاربردهای شبکه‌های کانولوشن در تشخیص اشیا
• 34. کاربردهای شبکه‌های کانولوشن در تقسیم‌بندی تصاویر
• 35. کاربردهای شبکه‌های کانولوشن در بازسازی تصاویر
• 36. کاربردهای شبکه‌های کانولوشن در بهبود کیفیت تصویر
• 37. بهبود کیفیت تصویر با Super-Resolution
• 38. شبکه‌های مولد تخاصمی (GANs) برای بهبود کیفیت تصویر
• 39. بهینه‌سازی عملکرد شبکه‌های کانولوشن
• 40. تکنیک‌های کاهش محاسبات شبکه‌های کانولوشن
• 41. استفاده از سخت‌افزارهای تخصصی (GPU, TPU)
• 42. مقدمه‌ای بر یادگیری تقویتی در پردازش تصویر
• 43. شبکه‌های کانولوشن برای تشخیص ناهنجاری در تصاویر
• 44. آینده شبکه‌های کانولوشن در پردازش تصویر