اکسپرس 24
کتاب یادگیری عمیق در بینایی ماشین با PyTorch و OpenCV

کتاب یادگیری عمیق در بینایی ماشین با PyTorch و OpenCV

تگ‌ها: OpenCV PyTorch بینایی کامپیوتر بینایی ماشین پایتون پردازش تصویر تشخیص اشیا شبکه‌های عصبی یادگیری عمیق یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق در بینایی ماشین با PyTorch و OpenCV

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بینایی ماشین و یادگیری عمیق
  • 2. تنظیم محیط توسعه با PyTorch و OpenCV
  • 3. کار با تنسورها در PyTorch
  • 4. عملیات پایه تصویر با OpenCV
  • 5. تبدیل فضاهای رنگی در OpenCV
  • 6. فیلترهای مکانی و پیچیدگی تصویر
  • 7. تشخیص لبه با عملگرهای گرادیان
  • 8. تغییر مقیاس و چرخش تصاویر
  • 9. استخراج ویژگی‌های تصویر با OpenCV
  • 10. شبکه‌های عصبی تمام متصل برای تصاویر
  • 11. تابع هزینه و بهینه‌سازی در PyTorch
  • 12. پیاده‌سازی یک پرسپترون چندلایه
  • 13. مفاهیم پایه شبکه‌های عصبی کانولوشنی
  • 14. لایه‌های کانولوشن و تجمیع
  • 15. معماری LeNet برای تشخیص ارقام
  • 16. آموزش یک شبکه CNN ساده با PyTorch
  • 17. افزایش داده و تکنیک‌های Regularization
  • 18. استفاده از DataLoader و Dataset
  • 19. انتقال یادگیری با مدل‌های پیش‌آموزش‌دیده
  • 20. معماری AlexNet و VGG
  • 21. شبکه‌های ResNet و اتصال پرشی
  • 22. معماری Inception و ماژول‌های موازی
  • 23. شبکه‌های از پیش آموزش‌دیده Torchvision
  • 24. تشخیص اشیا با رویکرد R-CNN
  • 25. پیاده‌سازی Fast R-CNN
  • 26. معماری YOLO برای تشخیص بلادرنگ
  • 27. آموزش YOLO بر روی دیتاست سفارشی
  • 28. تشخیص اشیا با SSD
  • 29. معماری شبکه‌های U-Net برای قطعه‌بندی معنایی
  • 30. قطعه‌بندی تصاویر پزشکی با PyTorch
  • 31. قطعه‌بندی نمونه با Mask R-CNN
  • 32. ردیابی اشیا در ویدئو با OpenCV
  • 33. ردیابی مبتنی بر ویژگی و هیستوگرام
  • 34. ردیابی با فیلتر کالمن
  • 35. ردیابی با شبکه‌های Siamese
  • 36. تشخیص چهره با OpenCV و Haar Cascades
  • 37. تشخیص چهره با شبکه‌های MTCNN
  • 38. استخراج نقاط کلیدی چهره
  • 39. تشخیص و تطبیق ویژگی‌های SIFT و ORB
  • 40. بازیابی تصویر بر اساس محتوا
  • 41. شبکه‌های مولد تخاصمی برای تولید تصویر
  • 42. پیاده‌سازی DCGAN
  • 43. تولید تصاویر با StyleGAN
  • 44. رمزگذار خودکار متغیر برای تصاویر
  • 45. تبدیل سبک تصویر با شبکه‌های عصبی
  • 46. تولید تصاویر با وضوح بالا (Super-Resolution)
  • 47. شبکه‌های باقی‌مانده عمیق برای Super-Resolution
  • 48. تشخیص ناهنجاری در تصاویر صنعتی
  • 49. طبقه‌بندی تصاویر با EfficientNet
  • 50. بهینه‌سازی هایپرپارامترها با Optuna
  • 51. ذخیره و بارگذاری مدل در PyTorch
  • 52. ارزیابی مدل با معیارهای دقت و بازیابی
  • 53. مدیریت عدم توازن کلاس در دیتاست
  • 54. تکنیک‌های پیش‌پردازش تصویر پیشرفته
  • 55. فیلترهای فرکانسی و تبدیل فوریه
  • 56. افزایش داده با Albumentations
  • 57. شبکه‌های عصبی بازگشتی برای توالی تصاویر
  • 58. استفاده از GPU و آموزش موازی
  • 59. اشکال‌زدایی و مانیتورینگ آموزش با TensorBoard
  • 60. تست مدل بر روی تصاویر جدید
  • 61. استقرار مدل با ONNX و TorchScript
  • 62. بهینه‌سازی مدل برای موبایل با TorchMobile
  • 63. مقدمه‌ای بر یادگیری عمیق در ویدئو
  • 64. استخراج فریم و پردازش ویدئو با OpenCV
  • 65. تشخیص حرکت در ویدئو
  • 66. شبکه‌های 3D CNN برای تحلیل ویدئو
  • 67. تشخیص فعالیت در ویدئو با PyTorch
  • 68. پایپلاین کامل یک پروژه بینایی ماشین

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.