دوره آموزشی هوش مصنوعی عملی: پروژههای بینایی کامپیوتری با Ultralytics و OpenCV
3 ساعت 34 دقیقهمتوسط2025-05-06
مدرسین

Rizwan Munawar
جزئیات دوره
تو این دوره قراره با الگوریتمهای بینایی کامپیوتری خانواده YOLO (You Only Look Once) به طور کامل آشنا بشی و یاد بگیری چطوری از این الگوریتمها برای حل مسائل واقعی استفاده کنی. مدرس این دوره، محمد منور، قدم به قدم تکنیکهای مهمی مثل طبقهبندی تصاویر، تشخیص اشیاء، دنبال کردن اشیاء، تقسیمبندی نمونهها (instance segmentation)، برآورد حالت بدن (pose estimation) و جعبههای محدودکننده جهتدار (oriented bounding boxes یا OBB) رو بهت آموزش میده. این آموزشها با استفاده از بستهی پایتون Ultralytics انجام میشن که یکی از ابزارهای محبوب و قدرتمند در این زمینه است.
تو این دوره میبینی چطوری دادهها رو برچسبگذاری (annotate) کنی، مدلهای یادگیری ماشین بسازی و آموزش بدی، و بعدش اونها رو به شکل بهینه صادر (export) کنی. نکته جالب اینکه فرآیند صادرات مدل باعث میشه سرعت پیشبینی مدل (inference) خیلی بهتر بشه و این برای کاربردهای عملی خیلی مهمه.
همچنین، این دوره بهت نشون میده که چطوری راهکارهای Ultralytics برای چالشهای واقعی بینایی کامپیوتری طراحی شدن، و مثالهای فنی کاربردی زیادی در طول دوره برات آورده شده تا کاملاً با جزئیات این موارد آشنا بشی.
اهداف یادگیری
یادگیری مهارتهای پایه و متوسط بینایی کامپیوتری برای ورود به نقشهای مختلف در صنایع متنوع
توانایی مواجهه و حل مسائل پیچیده بینایی کامپیوتری از ابتدا و انتخاب بهترین تکنیک برای هر مشکل
آشنایی با روند کلی اجرای پروژههای بینایی کامپیوتری از ابتدا تا انتها
یادگیری انجام عملیات پایهای با OpenCV و نحوه استفاده از بسته محبوب VisionAI (Ultralytics)
تو این دوره میبینی چطوری دادهها رو برچسبگذاری (annotate) کنی، مدلهای یادگیری ماشین بسازی و آموزش بدی، و بعدش اونها رو به شکل بهینه صادر (export) کنی. نکته جالب اینکه فرآیند صادرات مدل باعث میشه سرعت پیشبینی مدل (inference) خیلی بهتر بشه و این برای کاربردهای عملی خیلی مهمه.
همچنین، این دوره بهت نشون میده که چطوری راهکارهای Ultralytics برای چالشهای واقعی بینایی کامپیوتری طراحی شدن، و مثالهای فنی کاربردی زیادی در طول دوره برات آورده شده تا کاملاً با جزئیات این موارد آشنا بشی.
اهداف یادگیری
یادگیری مهارتهای پایه و متوسط بینایی کامپیوتری برای ورود به نقشهای مختلف در صنایع متنوع
توانایی مواجهه و حل مسائل پیچیده بینایی کامپیوتری از ابتدا و انتخاب بهترین تکنیک برای هر مشکل
آشنایی با روند کلی اجرای پروژههای بینایی کامپیوتری از ابتدا تا انتها
یادگیری انجام عملیات پایهای با OpenCV و نحوه استفاده از بسته محبوب VisionAI (Ultralytics)
مهارت ها
OpenCVNeural Networks and Deep LearningArtificial Intelligence (AI)Open SourceOne-Off
سرفصل ها
۰. مقدمه
- 01 - پروژههای عملی بینایی کامپیوتر
- 02 - آنچه باید بدانید
- 03 - راهاندازی PyCharm و مرور کلی فایلهای دوره
۱. مقدمهای بر بسته Ultralytics و OpenCV
- 04 - مقدمهای بر بینایی کامپیوتر و OpenCV
- 05 - عملیات اساسی OpenCV روی تصویر
- 06 - مقدمهای بر بسته پایتون Ultralytics
- 07 - استفاده از بسته Ultralytics با استفاده از پایتون
۲. حاشیهنویسی دادهها و YAML
- 08 - نحوه حاشیه نویسی دادهها با استفاده از Label Studio
- 09 - فایلهای YAML مجموعه داده چیستند و چگونه میتوان آنها را ایجاد کرد
۳. وظایف و حالتهای مختلف Ultralytics
- 10 - مروری بر وظایف و حالتهای Ultralytics
- 11 - آموزش یک مدل تشخیص شیء و استنتاج
- 12 - حاشیهنویسی خودکار دادههای تشخیص به فرمت قطعهبندی
- 13 - آموزش و استنتاج برای یک مدل قطعهبندی تصویر
- 14 - نحوه استفاده از مدل تخمین ژست
- 15 - اعتبارسنجی مدل
- 16 - نحوه استفاده از سایر مدلهای بینایی کامپیوتر
- 17 - نحوه پیشبینی و ردیابی اشیاء شناساییشده
- 18 - نحوهی بنچمارک کردن مدلهای مختلف
- 19 - خروجی گرفتن از مدلها به فرمتهای مختلف
۴. پروژهها و راهحلهای Ultralytics - حل مشکلات دنیای واقعی
- 20- مقدمهای بر راهکارهای Ultralytics
- 21- نحوه شمارش اشیاء
- 22 - نحوه استفاده از TrackZone
- 23 - ایجاد نمودارهای تحلیلی
- 24 - تمرینات خود را زیر نظر داشته باشید
- 25- استنتاج با استفاده از Streamlit
- 26 - اطلاعات و کاربرد سایر راهکارها
نتیجهگیری
- 27 - مروری بر مستندات Ultralytics
- 28 - خلاصه نهایی ویدیو