00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به کل جلسات ویدیویی از دوره
  • دسترسی به کل جلسات ویدیویی از دوره
  • اضافه شدن دوره به پروفایل
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش رایگان تشخیص تصویر با یادگیری عمیق

دوره‌های رایگان
33 جلسه
93٪ (16 رای)

کاربرد دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق چیست؟

یادگیری عمیق کمک شایانی به بهبود سیستم‌های تشخیص تصویر کرده است. امروزه از این سیستم‌ها برای همه‌چیز از جستجوی کتابخانه‌های تصویری گرفته تا تولید توضیحات متنی از عکس‌ها استفاده می‌شود. اما مگر یادگیری عمیق یا دیپ لرنینگ چیست که چنین امکانی را برای ما فراهم کرده است. یادگیری عمیق یکی از انواع یادگیری ماشین و هوش مصنوعی است که برای یادگیری موضوعات مختلف از کارکرد ذهن انسان تقلید می‌کند.

یادگیری عمیق با سه اقدام می‌تواند کار خود را برای تشخیص تصویر انجام دهد. در بخش اول با ثبت تصویر و حاشیه‌نویسی آن به گردآوری داده‌های آموزش می‌پردازد. در قسمت دوم آموزش مدل انجام می‌شود و در انتها دستگاه می‌تواند تصاویر جدید را پیش‌بینی کند؛ بنابراین راه تشخیص تصویر از آموزش یادگیری عمیق می‌گذرد.

در این دوره یاد می‌گیرید که چگونه یک شبکه عصبی عمیق ایجاد کنید که بتواند اشیا را در عکس‌ها تشخیص دهد. همچنین می‌آموزید که چگونه بدون نیاز به آموزش مجدد شبکه، شبکه عصبی عمیق را برای تشخیص اشیاء جدید تنظیم کنید. با گذراندن این دوره می‌توانید APIهای شناسایی تصویر مبتنی برابر را که گزینه دیگری برای ساخت سیستم‌هایتان هستند، کاوش کنید. علاوه بر این‌ها، مراحل مرتبط با شروع ساخت و گسترش سیستم تشخیص تصویر خود را فرا خواهید گرفت.

 

هدف از یادگیری دوره آموزش ریگان تشخیص تصویر با یادگیری عمیق چیست؟

دوره آموزش تشخیص تصویر با یادگیری عمیق اهداف زیر را دنبال می‌کند:

  • طبقه‌بندی تصاویر
  • طراحی سیستم‌های تشخیص تصویر
  • ایجاد یک شبکه عصبی عمیق
  • آموزش شبکه عصبی عمیق
  • اصلاح شبکه‌های عصبی از پیش آموزش‌دیده
  • استفاده از APIهای تشخیص تصویر
  • استقرار یک شبکه عصبی عمیق

 

دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق مناسب چه کسانی است؟

  • دانشجویان و فارغ‌التحصیلان رشته برق و کامپیوتر
  • کسانی که به ایجاد و آموزش شبکه‌های عصبی عمیق علاقه دارند.
  • کسانی که برای شغل خود به سیستم‌های شناسایی چهره نیاز دارند.
  • مدیرانی که کسب‌وکارشان نیاز به دوربین‌های نظارتی دارد.

 

بعد از فراگیری دوره رایگان آموزش تشخیص تصویر با یادگیری عمیق چه مهارت‌هایی کسب خواهید کرد؟

  • زبان برنامه‌نویسی پایتون
  • یادگیری ماشین
  • کتابخانه‌های دیجیتال

 

سرفصل‌های دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق

فصل اول: مقدمه
00:02 ساعت
00:02
Combined Shape Created with Sketch. 3 جلسه
نمایش جلسات فصل  

در این فصل با محتوای کل دوره آشنا می‌شوید. با مشاهده ویدئوهای این فصل می‌فهمید که در این دوره قرار است چه چیزهایی یاد بگیرید و برای یادگیری آن‌ها چه پیش‌نیازهایی لازم دارید. همچنین در طول دوره تمریناتی به شما داده می‌شود که باید بتوانید آن‌ها را روی سیستم خود اجرا کنید. چگونگی دریافت و اجرای این تمرینات در این فصل به شما آموزش داده خواهد شد.

ساخت سیستم‌های تشخیص لبه‌ تصویر
"01:07
هر آنچه که باید بدانید
"00:40
فایل‌های تمرینات
"00:42
فصل دوم: نصب و راه‌اندازی Keras و Tensorflow
00:09 ساعت
00:09
Combined Shape Created with Sketch. 2 جلسه
نمایش جلسات فصل  

تنسورفلو یک کتابخانه منبع باز و رایگان برای برنامه‌نویسی جریان داده و متمایزگر است که برای انجام طیف وسیعی از وظایف استفاده می‌شود. این کتابخانه کاربردهای گوناگونی در علم یادگیری ماشین به‌خصوص در پیاده‌سازی شبکه‌های عصبی دارد. کرس یکی دیگر از کتابخانه‌های یادگیری عمیق به شمار می‌آید که در پایتون ارائه شده است.

در این فصل از دوره آموزش تشخیص تصویر با این دو کتابخانه مهم و کاربردی در یادگیری عمیق آشنا می‌شوید.

نصب و راه‌اندازی Keras و Tensorflow در macOS
"04:46
نصب و راه‌اندازی Keras و Tensorflow در ویندوز
"04:48
فصل سوم: طبقه‌بندی (classification) تصاویر
00:13 ساعت
00:13
Combined Shape Created with Sketch. 5 جلسه
نمایش جلسات فصل  

طبقه‌بندی تصاویر یکی از مهم‌ترین شبکه‌های عصبی است که در زمینه‌های زیادی از جمله سیستم‌های کنترل، شناسایی نوع سرطان، شناسایی اشیا، خودکار کردن عملیات خریدوفروش محصولات و غیره استفاده می‌شود. در این فصل با مفهوم شبکه عصبی و چگونگی پیاده‌سازی آن با استفاده از کتابخانه کراس آشنا می‌شوید. با کمک مباحث مطرح در این فصل می‌توانید تصاویر را به شبکه عصبی منتقل کرده و کار تشخیص تصویر را آغاز کنید.

شبکه عصبی چیست؟
"01:42
پیاده‌سازی شبکه عصبی با استفاده از کتابخانه‌ی Keras
"03:08
انتقال تصاویر به یک شبکه عصبی
"02:50
تشخیص تصویر با استفاده از شبکه عصبی
"03:01
افزودن کانولوشن برای تغییر ناپذیری انتقالی (شبکه عصبی کانولوشنی)
"02:59
فصل چهارم: طراحی شبکه عصبی عمیق برای شناسایی تصاویر
00:27 ساعت
00:27
Combined Shape Created with Sketch. 8 جلسه
نمایش جلسات فصل  

فصل چهارم از آموزش تشخیص تصویر می‌توانید یک شبکه عصبی عمیق بدین منظور طراحی کنید. در این فصل با چگالی لایه‌ها، لایه‌های کانولوشنی و غیره آشنا می‌شوید. همچنین می‌توانید یک مجموعه دیتاست از عکس را به شبکه داده و یک شبکه عصبی کامل برای شناسایی تصویر بسازید.

طراحی ساختمان شبکه عصبی برای شناسایی تصویر
"04:17
کشف مجموعه داده 10 CIFAR
"03:00
بارگذاری یک مجموعه دیتاست از عکس
"04:16
چگالی لایه‌ها
"03:37
لایه‌های کانولوشنی
"05:25
بیشترین جمع‌آوری (max pooling)
"01:50
برون‌اندازی (dropout)
"02:04
شبکه عصبی کامل برای شناسایی تصویر
"02:40
فصل پنجم: ساخت و آموزش شبکه عصبی عمیق
00:15 ساعت
00:15
Combined Shape Created with Sketch. 3 جلسه
نمایش جلسات فصل  

در فصل قبل با طراحی شبکه عصبی عمیق آشنا شدید، در این فصل یاد می‌گیرید که این شبکه را به‌منظور آموزش راه‌اندازی کنید. پس از راه‌اندازی می‌توانید به آموزش این شبکه بپردازید و وزن‌ها را به دست آورید.

راه‌اندازی یک شبکه عصبی به منظور آموزش
"03:21
آموزش یک شبکه عصبی و بدست آوردن وزن‌ها
"04:47
تخمین‌ زدن با استفاده از یک شبکه عصبی آموزش دیده
"06:57
فصل ششم: تنظیم درست شبکه عصبی قبل از آموزش
00:22 ساعت
00:22
Combined Shape Created with Sketch. 6 جلسه
نمایش جلسات فصل  

ممکن است بعضی از شبکه‌های عصبی به‌خوبی آموزش ندیده باشند. شما می‌توانید با استفاده از کتابخانه کراس شبکه‌های عصبی از قبل آموزش‌دیده را اصلاح کنید و به تنظیم درست آن بپردازید. آموزش انتقالی یک جایگزین مناسب برای آموزش شبکه عصبی جدید محسوب می‌شود که کار با این آموزش در این فصل به شما آموزش داده می‌شود.

شبکه های عصبی از قبل آموزش دیده با استفاده از Keras
"02:55
استفاده از یک شبکه عصبی از قبل آموزش دیده برای شناسایی تصویر
"03:50
آموزش انتقالی (Transfer learning) به عنوان یک جایگزین برای آموزش یک شبکه عصبی جدید
"04:03
استخراج ویژگی‌ها با استفاده از یک شبکه عصبی از قبل آموزش دیده
"05:50
آموزش یک شبکه عصبی جدید با استفاده از فیچرهای استخراج شده
"01:59
تخمین زدن با استفاده از آموزش انتقالی
"03:41
فصل هفتم: استفاده از apiهای تشخیص تصویر
00:15 ساعت
00:15
Combined Shape Created with Sketch. 5 جلسه
نمایش جلسات فصل  

گاهی لازم است از APIها برای تشخیص تصویر استفاده کنید. در این فصل دلیل و اهمیت استفاده از APIها در این زمینه به شما آموزش داده می‌شود و با Google Cloud Vision آشنا می‌شوید. شما می‌توانید در آن یک حساب ایجاد کنید و با استفاده از آن به شناسایی اشیا در تصاویر و استخراج متن از تصویر بپردازید. تمام این مباحث در این فصل از دوره آموزش تشخیص تصویر در یادگیری عمیق آموزش داده می‌شود.

چه زمانی از Api به جای حل خودمان استفاده کنیم؟
"03:43
مقدمه‌ای بر Google Cloud Vision Api
"02:24
ایجاد حساب Google Cloud Vision
"02:50
شناسایی اشیاء در تصویر با استفاده از Google Cloud Vision
"03:13
استخراج متن از تصویر با استفاده از Google Cloud Vision
"03:32
فصل هشتم: نتیجه‌گیری
None ساعت
Combined Shape Created with Sketch. 1 جلسه
نمایش جلسات فصل  

حال که با سیستم‌های تشخیص تصویر آشنا شدید، می‌توانید از آن‌ها در پروژه‌های خود استفاده کنید. در این فصل گام‌های بعدی که برای تکمیل اطلاعات و دانش شما باید بردارید، بیان می‌شود.

قدم بعدی آموزش رایگان تشخیص تصویر
"00:37
استاد دوره
Adam Geitgey

آدام یک توسعه دهنده در حوزه نرم افزار بوده و شیفته تاثیرات یادگیری ماشین در حوزه توسعه نرم‌افزار می‌باشد.

او در استفاده از یادگیری ماشین در ساختن وب سایت‌های بزرگ و کار در شرکت‌های نوپا در سیلیکون‌ولی سابقه زیادی دارد. همچنین وی علاقه شدیدی در حوزه استفاده تئوری ها در یادگیری ماشین و اشتراک آن‌ها با توسعه دهندگان نرم‌افزار در همه سطوح مهارتی آن‌ها دارد.

نظرات  (1 نظر)

محمدامین
20:22 - 1400/01/24
کاربر‌ سایت
عجب دوره ی مفید و پرکاربردی واقعا دستتون درد نکنه که ترجمه هم شده عالیه ممنون

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.
اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.
آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.

اطلاعات بیشتر

پیش‌نیازهای لازم برای فراگیری دوره رایگان آموزش تشخیص تصویر با یادگیری عمیق چیست؟

برای اینکه بتوانید بهره کافی را از دوره آموزش تشخیص تصویر ببرید، باید با مفاهیم و مبانی یادگیری عمیق و یادگیری ماشین آشنایی کامل داشته باشید؛ بنابراین توصیه می‌کنیم قبل از شرکت در این مهارت‌های زیر را کسب کنید:

  • آشنایی با مقدمات برنامه‌نویسی
  • تسلط بر پایتون 3
  • آموزش deep learning
  • آموزش machin learning

سرفصل‌های دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق چیست؟

در دوره آموزش تشخیص تصویر پس از آشنایی مختصر با این سیستم‌ها و چگونگی نصب و راه‌اندازی نرم‌افزارهای مربوطه وارد مبحث اصلی می‌شوید. شما می‌توانید ساختمان شبکه عصبی را بدین منظور طراحی کرده و با لایه‌های مختلف آن آشنا شوید.

ساخت و آموزش شبکه عصبی و همچنین تنظیم شبکه‌های عصبی از قبل آموزش‌دیده از دیگر مباحث مهم مطرح در این دوره است. APIهای تشخیص تصویری وجود دارد که پس از شرکت در این دوره می‌توانید از آن‌ها بهره ببرید.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

فصل اول: مقدمه
00:02 ساعت
00:02
Combined Shape Created with Sketch. 3 جلسه
نمایش جلسات فصل  

در این فصل با محتوای کل دوره آشنا می‌شوید. با مشاهده ویدئوهای این فصل می‌فهمید که در این دوره قرار است چه چیزهایی یاد بگیرید و برای یادگیری آن‌ها چه پیش‌نیازهایی لازم دارید. همچنین در طول دوره تمریناتی به شما داده می‌شود که باید بتوانید آن‌ها را روی سیستم خود اجرا کنید. چگونگی دریافت و اجرای این تمرینات در این فصل به شما آموزش داده خواهد شد.

ساخت سیستم‌های تشخیص لبه‌ تصویر
"01:07
هر آنچه که باید بدانید
"00:40
فایل‌های تمرینات
"00:42
فصل دوم: نصب و راه‌اندازی Keras و Tensorflow
00:09 ساعت
00:09
Combined Shape Created with Sketch. 2 جلسه
نمایش جلسات فصل  

تنسورفلو یک کتابخانه منبع باز و رایگان برای برنامه‌نویسی جریان داده و متمایزگر است که برای انجام طیف وسیعی از وظایف استفاده می‌شود. این کتابخانه کاربردهای گوناگونی در علم یادگیری ماشین به‌خصوص در پیاده‌سازی شبکه‌های عصبی دارد. کرس یکی دیگر از کتابخانه‌های یادگیری عمیق به شمار می‌آید که در پایتون ارائه شده است.

در این فصل از دوره آموزش تشخیص تصویر با این دو کتابخانه مهم و کاربردی در یادگیری عمیق آشنا می‌شوید.

نصب و راه‌اندازی Keras و Tensorflow در macOS
"04:46
نصب و راه‌اندازی Keras و Tensorflow در ویندوز
"04:48
فصل سوم: طبقه‌بندی (classification) تصاویر
00:13 ساعت
00:13
Combined Shape Created with Sketch. 5 جلسه
نمایش جلسات فصل  

طبقه‌بندی تصاویر یکی از مهم‌ترین شبکه‌های عصبی است که در زمینه‌های زیادی از جمله سیستم‌های کنترل، شناسایی نوع سرطان، شناسایی اشیا، خودکار کردن عملیات خریدوفروش محصولات و غیره استفاده می‌شود. در این فصل با مفهوم شبکه عصبی و چگونگی پیاده‌سازی آن با استفاده از کتابخانه کراس آشنا می‌شوید. با کمک مباحث مطرح در این فصل می‌توانید تصاویر را به شبکه عصبی منتقل کرده و کار تشخیص تصویر را آغاز کنید.

شبکه عصبی چیست؟
"01:42
پیاده‌سازی شبکه عصبی با استفاده از کتابخانه‌ی Keras
"03:08
انتقال تصاویر به یک شبکه عصبی
"02:50
تشخیص تصویر با استفاده از شبکه عصبی
"03:01
افزودن کانولوشن برای تغییر ناپذیری انتقالی (شبکه عصبی کانولوشنی)
"02:59
فصل چهارم: طراحی شبکه عصبی عمیق برای شناسایی تصاویر
00:27 ساعت
00:27
Combined Shape Created with Sketch. 8 جلسه
نمایش جلسات فصل  

فصل چهارم از آموزش تشخیص تصویر می‌توانید یک شبکه عصبی عمیق بدین منظور طراحی کنید. در این فصل با چگالی لایه‌ها، لایه‌های کانولوشنی و غیره آشنا می‌شوید. همچنین می‌توانید یک مجموعه دیتاست از عکس را به شبکه داده و یک شبکه عصبی کامل برای شناسایی تصویر بسازید.

طراحی ساختمان شبکه عصبی برای شناسایی تصویر
"04:17
کشف مجموعه داده 10 CIFAR
"03:00
بارگذاری یک مجموعه دیتاست از عکس
"04:16
چگالی لایه‌ها
"03:37
لایه‌های کانولوشنی
"05:25
بیشترین جمع‌آوری (max pooling)
"01:50
برون‌اندازی (dropout)
"02:04
شبکه عصبی کامل برای شناسایی تصویر
"02:40
فصل پنجم: ساخت و آموزش شبکه عصبی عمیق
00:15 ساعت
00:15
Combined Shape Created with Sketch. 3 جلسه
نمایش جلسات فصل  

در فصل قبل با طراحی شبکه عصبی عمیق آشنا شدید، در این فصل یاد می‌گیرید که این شبکه را به‌منظور آموزش راه‌اندازی کنید. پس از راه‌اندازی می‌توانید به آموزش این شبکه بپردازید و وزن‌ها را به دست آورید.

راه‌اندازی یک شبکه عصبی به منظور آموزش
"03:21
آموزش یک شبکه عصبی و بدست آوردن وزن‌ها
"04:47
تخمین‌ زدن با استفاده از یک شبکه عصبی آموزش دیده
"06:57
فصل ششم: تنظیم درست شبکه عصبی قبل از آموزش
00:22 ساعت
00:22
Combined Shape Created with Sketch. 6 جلسه
نمایش جلسات فصل  

ممکن است بعضی از شبکه‌های عصبی به‌خوبی آموزش ندیده باشند. شما می‌توانید با استفاده از کتابخانه کراس شبکه‌های عصبی از قبل آموزش‌دیده را اصلاح کنید و به تنظیم درست آن بپردازید. آموزش انتقالی یک جایگزین مناسب برای آموزش شبکه عصبی جدید محسوب می‌شود که کار با این آموزش در این فصل به شما آموزش داده می‌شود.

شبکه های عصبی از قبل آموزش دیده با استفاده از Keras
"02:55
استفاده از یک شبکه عصبی از قبل آموزش دیده برای شناسایی تصویر
"03:50
آموزش انتقالی (Transfer learning) به عنوان یک جایگزین برای آموزش یک شبکه عصبی جدید
"04:03
استخراج ویژگی‌ها با استفاده از یک شبکه عصبی از قبل آموزش دیده
"05:50
آموزش یک شبکه عصبی جدید با استفاده از فیچرهای استخراج شده
"01:59
تخمین زدن با استفاده از آموزش انتقالی
"03:41
فصل هفتم: استفاده از apiهای تشخیص تصویر
00:15 ساعت
00:15
Combined Shape Created with Sketch. 5 جلسه
نمایش جلسات فصل  

گاهی لازم است از APIها برای تشخیص تصویر استفاده کنید. در این فصل دلیل و اهمیت استفاده از APIها در این زمینه به شما آموزش داده می‌شود و با Google Cloud Vision آشنا می‌شوید. شما می‌توانید در آن یک حساب ایجاد کنید و با استفاده از آن به شناسایی اشیا در تصاویر و استخراج متن از تصویر بپردازید. تمام این مباحث در این فصل از دوره آموزش تشخیص تصویر در یادگیری عمیق آموزش داده می‌شود.

چه زمانی از Api به جای حل خودمان استفاده کنیم؟
"03:43
مقدمه‌ای بر Google Cloud Vision Api
"02:24
ایجاد حساب Google Cloud Vision
"02:50
شناسایی اشیاء در تصویر با استفاده از Google Cloud Vision
"03:13
استخراج متن از تصویر با استفاده از Google Cloud Vision
"03:32
فصل هشتم: نتیجه‌گیری
None ساعت
Combined Shape Created with Sketch. 1 جلسه
نمایش جلسات فصل  

حال که با سیستم‌های تشخیص تصویر آشنا شدید، می‌توانید از آن‌ها در پروژه‌های خود استفاده کنید. در این فصل گام‌های بعدی که برای تکمیل اطلاعات و دانش شما باید بردارید، بیان می‌شود.

قدم بعدی آموزش رایگان تشخیص تصویر
"00:37