اکسپرس 24
کتاب تخصصی تشخیص پیاده‌روی با استفاده از بینایی ماشین و یادگیری عمیق

کتاب تخصصی تشخیص پیاده‌روی با استفاده از بینایی ماشین و یادگیری عمیق

تگ‌ها: Autonomous Vehicles Computer Vision Dataset Annotation Deep Learning Detectron2 Edge AI Faster R-CNN OpenCV Pedestrian Detection Real-time Detection SSD YOLO

انتخاب پلن

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 تخصصی تشخیص پیاده‌روی با استفاده از بینایی ماشین و یادگیری عمیق

موضوع کلی: دستهٔ جامع

موضوع میانی: بینایی ماشین برای تشخیص اشیاء

📋 سرفصل‌های دوره

  • 1. مقدمه بر تشخیص پیاده‌روی در بینایی ماشین
  • 2. مبانی تشکیل تصویر و دوربین‌ها
  • 3. مبانی نور و invariance gegen illumination
  • 4. مدل‌های اولیه ظاهر پیاده‌روی
  • 5. استخراج ویژگی‌های HOG
  • 6. تصویبintegral images و محاسبه سریع ویژگی
  • 7. ویژگی‌های Haar-like و klasyfikator AdaBoost
  • 8. مدل‌های بخش قابل تغییر (DPM) برای تشخیص پیاده‌روی
  • 9. استراتژی جستجوی sliding window
  • 10. تکنیک‌های non-maximum suppression (NMS)
  • 11. معیارهای ارزیابی: متوسط Precision، نرخ log-average miss
  • 12. داده‌های آزمون标准: Caltech Pedestrian، INRIA، Cityscapes، ETH، KITTI
  • 13. ابزارهای anotating داده و قالب‌های COCO، VOC
  • 14. پایپلین پیش‌پردازش: تغییر اندازه، نرمال‌سازی، تعادل 히ستوگرام
  • 15. ویژگان LBP و ویژگی‌های بافت
  • 16. ویژگان SIFT و SURF
  • 17. طبقه‌بندی‌های سنتی: SVM، Random Forest، Gradient Boosting
  • 18. مدل‌های مبتنی بر بخش و poselets
  • 19. مدلسازی زمینه‌ای با استفاده از هندسه صحنه
  • 20. ثبات زمانی و ردیابی مبتنی بر تشخیص
  • 21. استفاده از optical flow برای estimating حرکت پیاده‌روی
  • 22. روش‌های background subtraction برای تشخیص جسم متحرک
  • 23. معرفی به یادگیری عمیق و شبکه‌های عصبی
  • 24. طبقات کانولوشنی، pooling و توابع فعال‌سازی
  • 25. معمول‌های CNN کلاسیک: LeNet، AlexNet، VGGNet
  • 26. شبکه‌های باقی‌مانده (ResNet) و اتصالات identité
  • 27. خط لوله R-CNN مبتنی بر منطقه
  • 28. Fast R-CNN: ROI pooling و محاسبه به اشتراک گذاشته شده
  • 29. Faster R-CNN: شبکه پیشنهادی ناحیه (RPN)
  • 30. Mask R-CNN: گسترش به segmentation نمونه‌ای
  • 31. detectorهای تک‌شוט: نمای کلی SSD
  • 32. خانواده YOLO: از YOLOv1 تا YOLOv8
  • 33. شبکهٔ فیچر-piramیدی (FPN) برای تشخیص چند مقیاس
  • 34. الگوها مبتنی بر anchor و anchor-free
  • 35. فانکسیون‌های ضرر: ضرر کلاس‌بندی، ضرر محلی، IoU/GIoU
  • 36. استخراج منفی‌های سخت و استخراج مثال‌های سخت آنلاین (OHEM)
  • 37. استراتژی‌های افزایش داده: فتوومتریک، هندسی، mixup، cutmix
  • 38. تأقلم دامنه: синтетиک به واقعی، sim-to-transfer
  • 39. مدیریت ocultation: مدل‌های آware ocultation،見える部分
  • 40. تشخیص پیاده‌روی کوچک: سوپر-رزولوشن و نشانه‌های context
  • 41. استراتژی‌های تشخیص چند مقیاس و نرمال‌سازی مقیاس
  • 42. محدودیت‌های تشخیص زمان واقعی: تأخیر، توانمندی، FPS لازم
  • 43. فشرده‌سازی مدل: برش، کمیت، تجزیه low-rank
  • 44. دسته‌بندی دانش برای detectors سبک‌پیاده‌سازی
  • 45. استقرار روی دستگاه‌های حاشیه: TensorRT، OpenVINO، CoreML
  • 46. بروتوکولات ارزیابی:benchmark پیاده‌روی Cityscapes، KITTI tracking
  • 47. تحلیل خطا: false positives vs false negatives، ماتریس درهم
  • 48. بنچمارک و جدول‌هایemeritus: PapersWithCode، کارگاه‌های CVPR
  • 49. detectorهای مبتنی بر transformer: DETR، ViTDet، Swin Transformer
  • 50. یکپارچه‌سازی برآورد Pose برای درک رفتار پیاده‌روی
  • 51. تشخیص عمل: تحلیل گávání، طبقه‌بندی فعالیت
  • 52. ادغام چند دوربین و نمای بر فراز زمین (BEV)
  • 53. تشخیص 3D پیاده‌روی با استفاده از LiDAR و سنسورهای RGB-D
  • 54. خط لول fusión سنسور: ترکیبی دوربین-LiDAR-radar
  • 55. طراحی سیستم ایمنی-sensitive: ISO 26262، ایمنی عملکردی
  • 56. ملاحظات اخلاقی: حریم خصوصی، کاهش تحایز در دیتاست‌ها
  • 57. جوانمندی‌های قانونی: GDPR، مقررات خودروهای خودران
  • 58. خط لول پایان به پایان: جمع‌آوری داده، anotating، آموزش، اعتبارسنجی
  • 59. اکوسیستم نرم‌افزار: OpenCV، Detectron2، MMDetection، TensorFlow Object Detection API
  • 60. مطالعهٔ موردی: ساخت سیستم تشخیص پیاده‌روی برای رانندگی خودران شهری
  • 61. نظارت و یادگیری مستمر: به‌روزرسانی آنلاین، تشخیص درشت
  • 62. ابزارهای اشکال‌زدایی و نمایش: TensorBoard، Netron، CVAT
  • 63. پروفایلینگ عملکرد: استفاده GPU، تحلیل باندwidth memory
  • 64. ملاحظات انرژی‌کارایی برای پلتفرم‌های embedded
  • 65. جهت‌هایekommande تحقیقاتی: یادگیری weakly supervised, self-supervised
  • 66. Benchmarking modalities جدید: دوربین‌های event، تصویرهای حرارتی
  • 67. استقامت در برابر شرایط هوای بد: باران، مه، شب
  • 68. استقامت در برابر خصومت و تکنیک‌های دفاع
  • 69. قابلیت توضیح: نقشه‌های سالنسی، Grad-CAM برای تصمیمات detector
  • 70. ادغام تشخیص با ماژول‌های برنامه‌ریزی و کنترل

📚 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.