دوره آموزشی مقدمه ای بر یادگیری عمیق با OpenCV
49 دقیقهمبتدی2019-06-17
مدرسین

Jonathan Fernandes
Consultant focusing on data science, AI, and big data
جزئیات دوره
یادگیری عمیق شاخه ای نسبتاً جدید و بسیار محبوب از هوش مصنوعی (AI) است که الگوها و بینش ها را در داده ها، از جمله تصاویر و ویدیوها، پیدا می کند. لایه بندی و انتزاع آن به مدل های یادگیری عمیق توانایی هایی تقریباً شبیه انسان می دهد - از جمله تشخیص تصویر پیشرفته. با استفاده از OpenCV - یک نرمافزار بینایی کامپیوتری که به طور گسترده مورد استفاده قرار گرفته است - میتوانید مدلهای یادگیری عمیق آموزشدیده قبلی را روی سختافزار ارزانقیمت اجرا کنید و بینشهای قدرتمندی را از تصاویر دیجیتال و ویدیو ایجاد کنید. در این دوره، مربی جاناتان فرناندز، شما را با دنیای یادگیری عمیق از طریق استنتاج، با استفاده از ماژول OpenCV شبکه های عصبی عمیق (dnn) آشنا می کند. می توانید یک نمای کلی از مفاهیم و معماری یادگیری عمیق داشته باشید و سپس نحوه مشاهده و بارگذاری تصاویر و ویدیوها را با استفاده از OpenCV و Python کشف کنید. جاناتان همچنین نشان میدهد که چگونه میتوان برای تصاویر و ویدیوها طبقهبندی کرد، از حبابها (معادل تانسورها در سایر چارچوبها) استفاده کرد و از YOLOv3 برای تشخیص شی سفارشی استفاده کرد.
اهداف یادگیری
یادگیری عمیق برای OpenCV
مشاهده تصاویر و ویدئو در OpenCV
کار با blobs در ماژول dnn
طبقه بندی تصویر
طبقه بندی ویدیویی
YOLOv3
اهداف یادگیری
یادگیری عمیق برای OpenCV
مشاهده تصاویر و ویدئو در OpenCV
کار با blobs در ماژول dnn
طبقه بندی تصویر
طبقه بندی ویدیویی
YOLOv3
مهارت ها
OpenCVNeural Networks and Deep LearningIntroduction toMachine LearningArtificial Intelligence (AI)Open Source
سرفصل ها
0. مقدمه
- 01 - بینش را از تصاویر دیجیتال و ویدیو با OpenCV ایجاد کنید
- 02 - آنچه باید قبل از تماشای این دوره بدانید
- 03 - پایتون و آناکوندا را نصب کنید
- 04 - یک محیط مجازی ایجاد کنید
- 05 - یک ویرایشگر متن نصب کنید
1. یادگیری عمیق با OpenCV
- 06 - یادگیری عمیق چیست
- 07 - OpenCV چیست
- 08 - یادگیری عمیق برای OpenCV
2. تصویر و ویدیوها در OpenCV
- 09 - مشاهده تصاویر در OpenCV
- 10 - کار با کانال های رنگی
- 11 - مشاهده فیلم ها در OpenCV
3. کار با ماژول شبکه های عصبی عمیق (dnn).
- 12 - مروری بر فرآیند dnn
- 13 - کار با حباب
4. کار با مدل های یادگیری عمیق
- 14 - طبقه بندی برای یک تصویر - گرفتن کلاس ها
- 15 - طبقه بندی برای یک تصویر - استنباط
- 16 - طبقه بندی برای یک ویدیو
- 17 - YOLOv3
- 18 - YOLOv3 در عمل
نتیجه
- 19 - مراحل بعدی