کتاب صوتی تصاویر تار را نجات دهید: یادگیری عمیق

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تصاویر تار را نجات دهید: یادگیری عمیق

موضوع کلی: یادگیری عمیق در بینایی ماشین

موضوع میانی: یادگیری عمیق برای حذف نویز تصاویر

📋 سرفصل‌های دوره

• 1. تصاویر تار را نجات دهید: یادگیری عمیق
• 2. اصول اولیه پردازش تصویر دیجیتال
• 3. نمایندگی پیکسل‌ها و فرمت‌های تصویر
• 4. مقدمه‌ای بر یادگیری ماشین
• 5. یادگیری عمیق و کاربردهای آن در پردازش تصویر
• 6. شبکه‌های عصبی مصنوعی: مبانی
• 7. لایه‌های مختلف یک شبکه عصبی
• 8. تابع فعال‌سازی: انواع و کاربردها
• 9. انتشار پس‌رو (Backpropagation) و یادگیری
• 10. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
• 11. تنظیم‌کننده‌ها (Regularization) برای جلوگیری از بیش‌برازش
• 12. شبکه‌های عصبی کانولوشن (CNN)
• 13. کانولوشن: هسته اصلی CNN
• 14. لایه‌های Pooling و اهمیت آن‌ها
• 15. معماری‌های رایج CNN (VGG، ResNet، Inception)
• 16. شبکه‌های بازگشتی (RNN) و کاربرد آن‌ها در پردازش تصویر
• 17. شبکه‌های LSTM و GRU برای پردازش تصاویر متوالی
• 18. شبکه‌های مولد تخاصمی (GAN)
• 19. GANها برای تولید تصاویر با کیفیت
• 20. شبکه‌های خودرمزگذار (Autoencoders)
• 21. خودرمزگذارها برای کاهش ابعاد تصویر
• 22. یادگیری بدون نظارت در پردازش تصویر
• 23. انتقال یادگیری (Transfer Learning) و کاربرد آن
• 24. تنظیم دقیق مدل‌های پیش‌آموزش‌دیده
• 25. افزایش داده (Data Augmentation) برای بهبود عملکرد مدل
• 26. ارزیابی عملکرد مدل: معیارهای ارزیابی
• 27. مجموعه داده‌های رایج برای پردازش تصویر
• 28. پیش‌پردازش تصاویر: بهبود کیفیت
• 29. نرمال‌سازی و استانداردسازی داده‌ها
• 30. حذف نویز از تصاویر
• 31. بهبود کنتراست و روشنایی تصاویر
• 32. تغییر اندازه و برش تصاویر
• 33. تشخیص اشیا در تصاویر
• 34. تشخیص لبه‌ها و ویژگی‌ها
• 35. دسته‌بندی تصاویر
• 36. تقسیم‌بندی معنایی تصاویر (Semantic Segmentation)
• 37. تشخیص اشیا با استفاده از YOLO
• 38. تشخیص اشیا با استفاده از SSD
• 39. تشخیص اشیا با استفاده از Faster R-CNN
• 40. بازسازی تصاویر با کیفیت پایین
• 41. افزایش رزولوشن تصاویر (Super-Resolution)
• 42. استفاده از یادگیری عمیق برای بازسازی تصاویر
• 43. حذف مصنوعات (Artifacts) از تصاویر
• 44. ترمیم تصاویر آسیب‌دیده
• 45. تغییر سبک تصاویر