کتاب صوتی بینایی ماشین: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بینایی ماشین: مبانی و کاربردها

موضوع کلی: هوش مصنوعی و عوامل هوشمند

موضوع میانی: کاربرد بینایی ماشین

📋 سرفصل‌های دوره

• 1. بینایی ماشین: مبانی و کاربردها
• 2. مقدمه‌ای بر بینایی ماشین و کاربردهای آن
• 3. پردازش تصویر دیجیتال: اصول اولیه
• 4. نمایندگی و ذخیره‌سازی تصاویر
• 5. فیلترهای تصویر: بهبود کیفیت و حذف نویز
• 6. تشخیص لبه‌ها در تصاویر
• 7. تشخیص ویژگی‌ها: گوشه‌های تصویر
• 8. تبدیل فوریه و تحلیل طیف فرکانسی
• 9. مورفولوژی ریاضی: عملیات باز و بسته
• 10. بخش‌بندی تصاویر: روش‌های آستانه‌گذاری
• 11. بخش‌بندی تصاویر: روش‌های ناحیه‌ای
• 12. بخش‌بندی تصاویر: روش‌های مبتنی بر لبه
• 13. استخراج ویژگی‌ها: رنگ، بافت و شکل
• 14. توصیف‌گرهای تصاویر: HOG و SIFT
• 15. شناسایی اشیاء با استفاده از الگوهای ویژگی
• 16. ماشین‌های بردار پشتیبان (SVM) در بینایی ماشین
• 17. درخت‌های تصمیم و جنگل‌های تصادفی برای طبقه‌بندی تصاویر
• 18. شبکه‌های عصبی مصنوعی: مقدمه‌ای
• 19. شبکه‌های عصبی کانولوشنال (CNN): معماری و کاربردها
• 20. CNN: لایه‌های کانولوشن، تجمیع و فعال‌سازی
• 21. CNN: آموزش و بهینه‌سازی شبکه‌ها
• 22. انتقال یادگیری در بینایی ماشین
• 23. شبکه‌های پیش‌ساخته: VGG، ResNet و Inception
• 24. تشخیص اشیاء: الگوریتم‌های R-CNN و Faster R-CNN
• 25. تشخیص اشیاء: YOLO و SSD
• 26. بخش‌بندی معنایی تصاویر
• 27. تشخیص اشیاء و بخش‌بندی نمونه
• 28. ردیابی اشیاء در ویدیوها
• 29. تخمین حالت: ردیابی سه‌بعدی
• 30. بازسازی سه‌بعدی از تصاویر
• 31. بینایی ماشین در رباتیک
• 32. بینایی ماشین در خودروهای خودران
• 33. بینایی ماشین در پزشکی: تشخیص بیماری‌ها
• 34. بینایی ماشین در کشاورزی دقیق
• 35. بینایی ماشین در نظارت تصویری
• 36. بینایی ماشین در کنترل کیفیت صنعتی
• 37. بینایی ماشین در تحلیل تصاویر ماهواره‌ای
• 38. بینایی ماشین در تشخیص چهره
• 39. بینایی ماشین در واقعیت افزوده
• 40. بینایی ماشین در تحلیل رفتار انسان
• 41. مجموعه‌های داده استاندارد بینایی ماشین
• 42. معیارهای ارزیابی عملکرد در بینایی ماشین
• 43. چالش‌ها و محدودیت‌های بینایی ماشین
• 44. آینده بینایی ماشین و جهت‌گیری‌های تحقیقاتی
• 45. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده