آموزش پردازش تصویر و بینایی ماشین با OpenCV

poster
پیش‌نمایش دوره

OpenCV یا Open Computer Vision Library به مجموعه‌ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و بینایی ماشین گفته می‌شود. OpenCV که بیشتر روی پردازش تصویر Real time یا بی‌درنگ متمرکز است دارای بیش از 2500 الگوریتم ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
4.7 (36 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن دوره:  70 ساعت
مجموع محتوای آموزشی:  21 ساعت ویدئو - 49 ساعت تمرین و پروژه
 (قابل دانلود می‌باشد)
مهلت دوره:  11 هفته
  
حد نصاب قبولی در دوره:  75 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد. 
organization-pic  گواهینامه این دوره توسط مکتب‌خونه ارائه می‌شود.
course-feature   گواهی‌نامه مکتب‌خونه course-feature   خدمات منتورینگ course-feature   پروژه محور course-feature   تمرین و آزمون course-feature   تالار گفتگو course-feature   تسهیل استخدام

پیش‌نیاز‌ها

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv به نحوی تهیه شده است که گروه‌های زیادی بتوانند از این دوره استفاده کنند و از آموزش‌های این دوره بهره‌مند شوند. برای درک بهتر موضوعات مطرح شده در این دوره نیاز است شرکت‌کنندگان با موضوعات زیر به عنوان پیش‌نیاز آشنایی داشته باشند:

  • آشنایی با مفاهیم برنامه نویسی
  • آشنایی با زبان پایتون و کتابخانه Numpy 

سرفصل‌های دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV

فصل دوم: شروع کار با OpenCV در پایتون
  خواندن، ذخیره‌کردن و نمایش ویدیو
مشاهده
"16:44  
  تصاویر خاکستری (Gray Scale)
مشاهده
"18:42  
  بریدن یک ناحیه از تصویر
مشاهده
"05:55  
  کوییز مقدمه‌ای بر تصاویر
 3%    
"01:00  
  تمرین اول: برش تصویر (الزامی)
 18.2%    
"60:00  
  فضاهای رنگی _ جداکردن و ادغام کانالهای رنگی
مشاهده
"12:26  
  فضاهای رنگی _ تغییر مقادیر هر کانال
مشاهده
"11:42  
  فضاهای رنگی – فضای رنگی HSV
مشاهده
"10:45  
  کوییز مقدمه‌ای بر فضاهای رنگی
 3%    
"01:00  
  درک کانال آلفا و ترنسپرنتسی (Transparent)
"08:46  
  عملیات بیتی، ماسک کردن تصویر و ایجاد یک تصویر PNG
"11:01  
  کوییز عملیات پایه روی تصاویر و درک تصاویر Transparent
 3%    
"01:00  
  تمرین دوم: عملیات پایه روی تصاویر (الزامی)
 18.2%    
"60:00  
  رسم اشکال روی تصویر
"14:15  
  نوشتن متون فارسی و انگلیسی روی تصویر
"14:26  
  تمرین سوم: رسم اشکال (الزامی)
 18.2%    
"60:00  
  عملیات ریاضی (Arithmetic Operations)
"14:12  
  عملیات ریاضی روی تصاویر
 3%    
"01:00  
  تنظیم روشنایی و کنتراست (با توابع خطی)
"09:23  
  تحلیل هیستوگرام تصویر و مشکل روش خطی تنظیم روشنایی و کنتراست
"08:30  
  تنظیم روشنایی و کنتراست (با تصحیح گاما)
"11:27  
  کوییز تنظیم روشنایی و تضاد تصویر
 9.1%    
"02:00  
  تمرین چهارم: روشن‌کردن تصویر (الزامی)
 24.2%    
"60:00  
فصل سوم: خواندن و نوشتن ویدئو و ایجاد رابط کاربری گرافیکی
  رویداد کلیک ماوس
مشاهده
"10:10  
  سایر رویدادهای ماوس و رویدادهای صفحه کلید
"08:22  
  ایجاد یک برنامه‌ی ساده رسم نظیر قلم در paint
"09:39  
  ایجاد یک برنامه برای annotate کردن اشیاء تصویر
"07:52  
  تمرین پنجم: رابط کاربری گرافیکی و کالبک در OpenCV (الزامی)
 33.3%    
"60:00  
  استفاده از Trackbar برای دریافت یک مقدار پیوسته از کاربر
"10:09  
  تمرین ششم: برنامه‌ ساده paint (الزامی)
 33.3%    
"60:00  
  استفاده از وبکم
"07:43  
  خواندن فایل ویدیویی
"05:22  
  ذخیره‌کردن یک ویدیو در فایل
"09:42  
  کار با پروتکل RTSP و دوربین‌های مداربسته (CCTV)
"03:30  
  اسکرین صفحه به عنوان ویدیوی ورودی OpenCV
"04:01  
  خواندن ویدیو از یوتیوب و کار با گوگل‌کولب
"12:57  
  تمرین هفتم: خواندن و ذخیره کردن ویدیو و کار با انواع ورودی‌های ویدیویی نظیر دوربین مداربسته و وبکم (الزامی)
 33.3%    
"60:00  
فصل چهارم: پردازش تصاویر باینری
  کاربردها
مشاهده
"05:30  
  حد آستانه گذاری یا Thresholding و باینری کردن تصویر
مشاهده
"14:45  
  کوییز آستانه گذاری
 2.9%    
"01:00  
  روش Otsu برای پیداکردن خودکار حد آستانه - بخش تئوری
"04:46  
  پیاده‌سازی روش Otsu در پایتون
"11:46  
  آستانه‌گذاری تطبیقی
"07:55  
  کوییز روش‌های آستانه گذاری
 8.6%    
"02:00  
  تمرین هشتم: آستانه‌گذاری (الزامی)
 22.9%    
"60:00  
  مفاهیم dilation و erosion
"03:54  
  گسترش یا انبساط (Dilation)
"05:39  
  کوییز عملیات Dilation
 8.6%    
"02:00  
  فرسایش (Erosion)
"04:19  
  عملیات Opening
"03:35  
  عملیات Closing
"06:00  
  پیاده‌سازی عملیات مورفولوژی در پایتون
"10:59  
  hit-or-miss (اختیاری)
"06:19  
  مثال حذف خطوط افقی با عملیات مورفولوژی
"09:19  
  کوییز عملیات مورفولوژی
 5.7%    
"02:00  
  مفاهیم تحلیل مولفه‌های متصل
"04:34  
  پیاده سازی تحلیل مولفه‌های متصل
"10:58  
  تمرین نهم: تحلیل مولفه‌های متصل (الزامی)
 22.9%    
"60:00  
  یافتن Contour
"07:12  
  تخمین Contour
"05:22  
  پوشش محدب (Convex hull)
"06:32  
  کوییز پوشش محدب
 2.9%    
"01:00  
  به دست‌‌آوردن دایره و مستطیل دربرگیرنده‌ی کانتورها
"07:42  
  محاسبه مساحت، moment و مرکز کانتور و سورت‌کردن اشکال
"07:19  
  الگوریتم Douglas-Peucker و تشخیص اشکال هندسی
"11:33  
  مثال تشخیص نواحی کلمات
"06:34  
  مثال شمارش سکه
"08:42  
  تمرین دهم: تحلیل کانتور (Contour) (الزامی)
 22.9%    
"60:00  
  تشخیص blob
"10:56  
  سایر کاربردهای مورفولوژی
"02:36  
  تشخیص اسم اشیاء هندسی
 2.9%    
"01:00  
فصل پنجم: بهبود تصویر و فیلترگذاری روی تصاویر
  فیلترگذاری روی تصویر با رنگ
مشاهده
"06:32  
  دستور Inrange در OpenCV برای فیلتر‌کردن رنگ
مشاهده
"08:39  
  مثال فیلترکردن رنگ آبی در ویدیو
"06:41  
  بررسی سایر فضاهای رنگی
"10:39  
  مثال تکنیک حذف پرده سبز
"07:23  
  مثال حذف پرده سبز با روشی دیگر و بررسی روی ویدیو
"06:54  
  مثال pop-effect
"08:09  
  خوشه بندی یا Clustering
"07:44  
  پیداکردن رنگ‌های غالب با خوشه‌بندی
"12:47  
  کوییز فضاهای رنگی
 2.8%    
"01:00  
  بهبود نمایش رنگ‌های غالب
"06:51  
  تمرین یازدهم: فضاهای رنگی و مقدمات خوشه‌بندی (الزامی)
 22.2%    
"60:00  
  هیستوگرام تصویر
"14:47  
  پیداکردن رنگ‌های غالب با هیستوگرام
"08:20  
  یکنواخت‌سازی هیستوگرام و بهبود کنتراست تصویر
"08:56  
  الگوریتم CLAHE: روش پیشرفته یکنواخت‌سازی هیستوگرام
"07:53  
  مقایسه هیستوگرام‌ها و نرمال‌کردن هیستوگرام
"14:14  
  تمرین دوازدهم: افزایش کنتراست متن (الزامی)
 16.7%    
"60:00  
  تصویر به عنوان یک تابع
"05:13  
  حذف نویز تصویر با میانگین‌ متحرک (moving average)
"10:11  
  تفاوت کانولوشن و کرولیشن و مات‌کردن تصویر
"08:06  
  فیلتر غیرخطی میانه (median)
"03:09  
  پیاده سازی حذف نویز و مات کردن تصویر در پایتون
"08:38  
  فیلتر Sharpening
"05:45  
  پیاده‌سازی فیلتر sharpening در پایتون
"03:25  
  تمرین سیزدهم: فیلترگذاری روی تصویر و کانولوشن (الزامی)
 22.2%    
"60:00  
  لبه در تصویر چیست؟!
"03:16  
  مفهوم گرادیان تصویر
"15:02  
  یک فیلتر لبه‌یابی (edge detection)
"08:03  
  پیاده‌سازی لبه‌یابی در پایتون
"12:55  
  فیلتر Sobel
"06:58  
  فیلتر لاپلاس یا Laplacian Filter
"08:11  
  الگوریتم لبه‌یابی Canny
"09:09  
  کوییز لبه‌یابی
 2.8%    
"01:00  
  پیاده‌سازی لبه‌یابی Canny
"05:00  
  تشخیص میزان مات‌بودن تصویر (فوکوس خودکار)
"05:28  
  پروژه اول: تشخیص پوست انسان (الزامی)
 33.3%    
"360:00  
فصل ششم: پردازش تصویر پیشرفته و عکاسی محاسباتی
  کاربردهای تبدیل Hough
مشاهده
"02:41  
  تئوری تشخیص خط با استفاده از تبدیل هاف
"13:25  
  پیاده‌سازی تشخیص خط با استفاده از تبدیل هاف
"07:55  
  مثال تشخیص عقربه‌های یک ساعت با تبدیل هاف
"10:30  
  تئوری تشخیص دایره با استفاده از تبدیل هاف
"03:56  
  پیاده‌سازی تشخیص دایره با استفاده از تبدیل هاف
"12:24  
  مفاهیم و پیاده‌سازی دامنه داینایکی بالا (HDR)
"11:24  
  روش Seamless Cloning
"10:02  
  پیاده‌سازی Image Inpainting و مثال‌های ترمیم تصویر قدیمی، حذف واترمارک روی تصویر و حذف جوش
"07:59  
  رفع مشکل نور زیاد در یک ناحیه
"03:32  
  کوییز پردازش تصویر پیشرفته و عکاسی محاسباتی
 100%    
"02:00  
فصل هفتم: تبدیل‌های هندسی و ویژگی‌های تصویر
  تبدیلات هندسی خطی (چرخش، تغییر سایز و کج‌کردن)
مشاهده
"13:24  
  تبدیلات افاین (Affine Transformation)
مشاهده
"06:20  
  جابه‌جایی و چرخواندن تصاویر با تبدیلات هندسی
"08:17  
  چرخواندن تصویر با مرکزیتی متفاوت
"03:37  
  تغییر اندازه تصاویر
"08:28  
  تبدیل Projective
"03:28  
  محاسبه ماتریس تبدیل Affine با داشتن 3 نقطه
"05:07  
  کوییز تبدیل Affine
 5.9%    
"01:00  
  هموگرافی و محاسبه ماتریس تبدیل Perspective با 4 نقطه
"05:49  
  کوییز تبدیل های هندسی
 5.9%    
"02:00  
  تمرین چهاردهم: تبدیل‌های هندسی (الزامی)
 35.3%    
"60:00  
  پبداکردن گوشه‌ها به روش Harris
"13:22  
  پیاده‌سازی روش Harris
"07:08  
  پیداکردن گوشه‌ها با روش Shi-Tomasi
"04:46  
  کوییز تفاوت الگوریتم Shi-Tomasi با Harris
 5.9%    
"01:00  
  نقاط کلیدی مورد علاقه (interest point) و الگوریتم SIFT
"09:51  
  ادامه الگوریتم SIFT و مفهوم Scale-Space
"09:55  
  پیاده‌سازی الگوریتم SIFT
"12:31  
  الگوریتم ORB
"04:51  
  تطبیق ویژگی‌ها
"12:41  
  مثال تشخیص اسکناس با داشتن اسکناس نمونه
"13:48  
  ایجاد تصاویر پاناروما
"05:22  
  تمرین پانزدهم: تبدیل‌های هندسی و ویژگی‌های تصویر (الزامی)
 47.1%    
"120:00  
فصل هشتم: بخش‌بندی و بازشناسی تصویر
  بخش‌بندی تصویر با استفاده از GrabCut
مشاهده
"14:03  
  مقدمه‌ای بر یادگیری ماشین
"08:21  
  یادگیری نظارت‌شده – طبقه‌بندی
"07:45  
  مثال طبقه‌بندی ارقام دست‌نویس فارسی
"15:45  
  مثال‌های طبقه‌بندی ارقام دس‌تنویس انگلیسی و حروف انگلیسی
"14:36  
  طبقه‌بندی SVM
"05:41  
  الگوریتم HOG
"14:33  
  پیاده‌سازی HOG در پایتون
"13:16  
  تشخیص عابر پیاده با HOG
"13:26  
  روش تشخیص اشیاء voila jones به همراه مثال تشخیص چهره و چشم‌ها
"13:11  
  کوییز بخش‌بندی و بازشناسی تصویر
 100%    
"02:00  
فصل نهم: تحلیل ویدئو
  Sparse Optical Flow
مشاهده
"13:54  
  Dense Optical Flow
"09:25  
  تفریق پس‌زمینه و شناسایی اشیا متحرک
"04:51  
  ردیابی با الگوریتم‌های Meanshift و Camshift
"10:07  
  ردیابی اشیاء در OpenCV
"13:19  
  ردیابی چند شئ‌ای (Multi-object tracking)
"09:58  
  تمرین شانزدهم: تحلیل ویدئو (الزامی)
 100%    
"180:00  
فصل دهم: یادگیری عمیق با OpenCV
  یادگیری‌عمیق و تفاوت آن با یادگیری ماشین و هوش مصنوعی
مشاهده
"11:16  
  معرفی چالش Image-net و Caffe model zoo
"06:30  
  لود کردن مدل قبلاً آموزش داده شده از Caffe
"15:16  
  لود کردن مدل قبلاً آموزش داده شده از TensorFlow
"05:42  
  لودکرن مدل تشخیص اشیاء از فریم‌ورک TensorFlow
"12:01  
  شناسایی چهره با YuNet
"13:09  
  بازشناسی چهره عمیق
"16:30  
  مدل OpenPose
"14:20  
  مدل Mask R-CNN برای تشخیص اشیاء و بخش‌بندی تصویر
"10:52  
  کوییز سگمنت‌کردن تصویر
 4.8%    
"01:00  
  تمرین هفدهم: یادگیری عمیق با OpenCV (الزامی)
 38.1%    
"120:00  
  پروژه دوم: یادگیری عمیق با OpenCV (الزامی)
 57.1%    
"900:00  
فصل یازدهم:بخش پایانی
  مینی‌پروژه اسکن اسناد و تراز کردن خودکار آن
"17:03  
  سخن پایانی
"03:24  
  پروژه پایانی: دیپ فیک (الزامی)
 100%    
"363:20  

ویژگی‌های دوره

گواهی‌نامه مکتب‌خونه
گواهی‌نامه مکتب‌خونه

در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.

مشاهده نمونه گواهینامه

ویژگی‌های دوره

خدمات منتورینگ
خدمات منتورینگ

خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره می‌باشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو می‌باشد.

ویژگی‌های دوره

پروژه محور
پروژه محور

این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.

ویژگی‌های دوره

تمرین و آزمون
تمرین و آزمون

با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.

ویژگی‌های دوره

تالار گفتگو
تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

ویژگی‌های دوره

تسهیل استخدام
تسهیل استخدام

در صورت قبولی در دوره، شما می‌توانید با وارد کردن اطلاعات آن در بخش دوره‌های آموزشی رزومه‌ساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومه‌های ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش می‌دهد.

بررسی فرصت‌های شغلی

درباره دوره

OpenCV یا Open Computer Vision Library به مجموعه‌ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و بینایی ماشین گفته می‌شود. OpenCV که بیشتر روی پردازش تصویر Real time یا بی‌درنگ متمرکز است دارای بیش از 2500 الگوریتم بهینه شده شامل مجموعه‌ای جامع از الگوریتم‌های بینایی کامپیوتر و یادگیری ماشین است. OpenCV کتابخانه‌ای چندسکویی است که توسط سیستم عامل‌های گوناگونی همچون ویندوز، لینوکس، Mac Os، IOS و اندروید پشتیبانی می‌شود. همچنین OpenCV دارای رابط برنامه‌نویسی به زبان‌های C++ ، C، پایتون، جاوا و متلب نیز هست.

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV برای ایجاد یک پایه قوی در بینایی کامپیوتر طراحی شده است. در این دوره شما درک کاملی از تقریبا تمام ابزارهای OpenCV برای پردازش تصویر، بینایی کامپیوتری، پردازش ویدئو و اصول اولیه هوش مصنوعی خواهید داشت. تمامی مفاهیم آموزش داده شده در این دوره در پایتون پیاده‌سازی شده و دوره پیش رو شامل مباحث تئوری به همراه پیاده‌سازی های عملی است. به این ترتیب به کمک دوره آموزش بینایی ماشین و پردازش تصویر می‌توانید علاوه بر یادگیری موضوعات و مباحث ارائه شده به صورت تئوری، در محیطی عملی نیز آموخته‌های خود را مورد ارزیابی قرار دهید و به این ترتیب دانش خود در این زمینه را کامل‌تر از گذشته کنید.

از جمله موضوعات مورد بحث در این دوره می‌توان به موارد زیر اشاره کرد:

  • مفاهیم پایه‌ی تصویر و بینایی کامپیوتر
  • کار با ویدیو و ایجاد رابط گرافیکی در OpenCV
  • ایجاد و تحلیل تصاویر باینری
  •  بهبود تصویر و فیلترگذاری روی تصاویر
  • پردازش تصویر پیشرفته و عکاسی محاسباتی
  •  تبدیل‌های هندسی و ویژگی‌های تصویر
  • شناسایی و تشخیص چهره
  • بخش‌بندی و بازشناسی تصویر
  • تحلیل ویدئو
  • یادگیری عمیق در OpenCV

 

هدف از برگزاری دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv چیست؟

هدف اصلی دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv آموزش مباحث مربوط به مبانی بینایی کامپیوتر و بررسی مفهوم پردازش تصویر است. دوره آموزش جامع پردازش تصویر و بینایی ماشین با OpenCv به منظور بررسی همه جانبه مفاهیم مربوط به بینایی کامپیوتر و پردازش تصویر تهیه و منتشر شده است.

معمولا هر دهه یا چند دهه یکبار، یک سونامی تکنولوژیکی رخ می‌دهد که صنایع مختلف را دست خوش تغییر کرده و آنها را متحول می‌کند. هوش مصنوعی (AI) نیز موجی است که دنیای فناوری امروز را فرا گرفته است. اگر می خواهید به این انقلاب بپیوندید اما هنوز مهارت لازم را ندارید، این دوره برای شما مناسب خواهد بود.

 

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv برای چه کسانی مناسب است؟

در تمام مراحل تهیه و تولید دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv سعی شده است که آموزش‌های ارائه شده در این دوره برای همه علاقه‌مندان کارآمد و مفید باشند. به طور مشخص دوره آموزش پردازش تصویر با OpenCv برای گروه‌های زیر تهیه شده است:

  • تمامی افراد علاقه مند به هوش مصنوعی و بینایی کامپیوتر
  • دانشجویان و مهندسان برق و کامپیوتر
  • افرادی که در زمینه رباتیک مشغول به کار و تحقیق هستند
  • محققان حوزه بینایی کامیپوتر و یادگیری عمیق

درباره استاد

maktabkhooneh-teacher علیرضا اخوان‌پور

علیرضا اخوان پور، مدیر فنی مجموعه دانش بنیان شناسا، از سال ۹۴ مدرس دانشگاه شهید رجایی است که از سال ۹۵ تدریس تخصصی هوش مصنوعی و یادگیری عمیق را شروع کرده است.

وی به عنوان مدرس هوش مصنوعی و یادگیری عمیق با ۵ سال سابقه تدریس در موسسه‌ها و دانشگاه‌های برتر نظیر سابقه ارائه کارگاه‌های آموزشی در دانشگاه امیرکبیر، دانشگاه شریف، یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران، صندوق نوآوری شکوفایی، رویداد فیس کاپ، دوره های تخصصی معاونت علمی و فناوری ریاست جمهوری و سابقه تدریس در جهاد دانشگاه شریف و دوره‌های آزاد دانشگاه تهران را در رزومه‌ی خود دارد.

تدریس دوره‌های مختلف هوش‌مصنوعی در دیجی‌نکس (دیجی‌کالا)، مجموعه دانش بنیان پارت (بانک رسالت)، دوره علم داده جهاد دانشگاهی شریف، دوره های تخصصی کارمندان در بانک قوامین و سپه، دوره های جامع ۳۵۰ ساعته دانشگاه تهران و ... از دیگر موارد سابقه تدریسی ایشان است.

ایشان همچنین مدیر سایت class.vision هستند که یک سایت تخصصی در حوزه‌ی هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

 

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
محسن حسن نژاد 1403-01-07
ممنون از استاد و مکتب خونه که همچین آموزش فوقالعاده ای تدریس شده از استاد خواهشمندم سطح ها و مباحث پیشرفته رو هم در قالب یک دوره دیگه تدریس کنند
مهدی مودت 1402-12-26
مدرس دوره برنامه منظمی داره و ویدئوها از بخش تئوری و عملی راضی کننده ای برخورداره. در کل دوره خیلی خوبیه و حتما اون رو پیشنهاد میکنم.
ایمان حاجی حیدری 1402-12-26
استاد عالی هستن. انتقال مفهموم - مثال های خوب و قابل درک - داشتن تسلط کامل - موج مثبت از ویژگی های ایشون هستن . بنده حتما پیشنهاد میکنم.
امیرحسین قربانی 1402-12-25
عالی بود
مانلی فروتن 1402-12-22
سلام دوره ی بسیار کاملی هستش و همه ی مباحث کامل توضیح داده شده فقط بعضی تمارین بسیار ساده اند درکل حتمااااا توصیه میشه
معصومه عظیمی 1402-09-26
عالی بود
محمدرضا عرب زاده 1402-06-17
دوره بسیار خوب و استانداردی هست. مباحث تئوری به اندازه کافی گفته میشه. مباحث عملی هم خیلی عالی پوشش داده شده. نقطه ضعفی واقعا تو این دوره دیده نمیشه جز تمارین که بنظرم مقداری کم هستند با توجه به اینکه مباحث پوشش داده شده زیاد هست. در کل یکی از بهترین دوره هایی هست که تا الان دیدم
سعید رسولی 1402-05-05
بسیار عالی - از بهترین دوره هایی که دیدم. خیلی منظم و مسلط درس میدن
سید محمد رضا عرفانی جوان فکر 1402-04-26
به شدت عالی و فوق العاده
مسعود نوروزی 1402-04-04
به شدت عالی و فوق العاده
سینا شکوری 1401-11-13
دوره بسیار خوب و با ارزشی بود، قدرت انتقال مطالب و تسلط استاد اخوان در این دوره هم مانند دوره های دیگر ایشان بسیار بالا بود. اگر قصد کار در این حوزه را دارید حتما پیشنهاد میشه. همچنین اگر در حوزه های دیگری فعالیت دارید و با عکس و ویدئو سرکار دارید این دوره دید عمیقی به شما میده.
حانیه اخوان‌پور 1401-11-09
قدرت انتقال استاد فوق العاده است. من قبلا دوره یادگیری عمیق ایشون رو گذرونده بودم و همونطور که انتظار می‌رفت این دوره هم عالی و جامعی بود. کاش استاد، دوره تشخیص اشیاء هم ارائه بدند.
مکتب‌خونه
حانیه عزیز؛ ضمن تشکر از همراهی و حسن نظر شما، پیشنهاد شما جهت بررسی بیشتر به واحد مربوطه ارجاع گردید.
عرفان شکوری 1401-11-09
دوره ی فوق العاده ای بود و در کنار مسائل عملی، اتفاقات ریاضی که پشت الگوریتم ها اتفاق می افتاد تا حد خوبی بررسی می شد تا دید عمیق تری به الگوریتم و آن کتابخانه پیدا نمائیم. سپاس فراوان از استاد گران قدر
مهدی معارف دوست 1401-08-26
بسیار بسیار عالی بود از بهترین خریدهام بود خیلی جامع بود و استاد باحوصله تمام مفاهیم رو بررسی میکردند تعداد زیاد مثال ها از نقاط قوت بود
محمدرضا کریمی‌نژاد 1401-08-26
از این دوره واقعا لذت بردم و دید خیلی خوبی نسبت به پردازش تصویر پیدا کردم حتما توصیه میشه و حتی اگه دوس ندارین بینایی ماشین یا پردازش تصویر کار کنین در آینده حتما این کورس رو بهتون پیشنهاد میکنم چون اطلاعات زیادی به دانشتون اضافه میشه.
1
2

دوره‌های پیشنهادی

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.

سوالات پرتکرار

آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.

سوالات پرتکرار

حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.

سوالات پرتکرار

در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
خیر، به دلیل مسائل زیست محیطی و کاهش قطع درختان، فقط نسخه الکترونیکی گواهی‌نامه در اختیار شما قرار می‌گیرد

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

دنیای شگفت‌انگیز پردازش تصویر و بینایی ماشین با OpenCV

تا به حال شده آرزو کنید کامپیوترتان بتواند دنیای اطراف را به همان شکلی که شما می‌بینید، درک کند؟ دنیایی از تصاویر، ویدیوها و اشیاء که بتواند با آن‌ها ارتباط برقرار کند و کارهای مفیدی انجام دهد. این آرزو دیگر رؤیا نیست! با ورود به دنیای پردازش تصویر و بینایی ماشین (Computer Vision) این قابلیت برای کامپیوترها در حال تبدیل‌شدن به یک واقعیت است که در دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV در مکتب خونه با این مفهوم به خوبی آشنا خواهیم شد.

OpenCV چیست؟

OpenCV مخفف عبارت Open Source Computer Vision Library است، یک کتابخانه متن‌باز قدرتمند و پرکاربرد که به‌طور خاص برای پردازش تصویر و توسعه برنامه‌های کاربردی بینایی ماشین طراحی شده است. این کتابخانه با پشتیبانی از زبان‌های برنامه‌نویسی محبوب مانند C++، Python و Java، طیف وسیعی از الگوریتم‌ها و توابع از پیش‌ساخته شده را در اختیار توسعه‌دهندگان قرار می‌دهد. دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV در مکتب خونه با هدف آموزش این کتابخانه تهیه و تدوین شده است.

چرا از OpenCV استفاده کنیم؟

دلایل متعددی برای استفاده از OpenCV وجود دارد. در اینجا به چند مورد از مهم‌ترین آن‌ها اشاره می‌کنیم:

متن‌باز و رایگان: ماهیت متن‌باز بودن OpenCV به این معنی است که شما می‌توانید به‌صورت رایگان از آن استفاده کنید، کد منبع آن را مطالعه نمایید و در صورت نیاز، آن را برای رفع نیازهای خاص خودتان تغییر دهید.

جامعه کاربری گسترده: OpenCV دارای یک جامعه کاربری بزرگ و فعال است که به‌طور مداوم در حال توسعه کتابخانه و به اشتراک‌گذاری دانش و راه‌حل‌های مرتبط با آن هستند. این امر به این معنی است که می‌توانید به‌راحتی به منابع آموزشی، ترفندها و راه‌حل‌های مشکلات احتمالی دسترسی پیدا کنید.

پشتیبانی از زبان‌های برنامه‌نویسی مختلف: همانطور که گفته شد، OpenCV از زبان‌های برنامه‌نویسی محبوب مانند C++‎ و Python پشتیبانی می‌کند. این امر باعث می‌شود تا توسعه‌دهندگان با هر سطح مهارتی بتوانند از این کتابخانه استفاده کنند.

سرعت و کارایی بالا: OpenCV برای عملکرد سریع و بهینه بر روی طیف وسیعی از سخت افزارها از جمله کامپیوترهای شخصی، سیستم‌های تعبیه شده و پردازنده‌های گرافیکی (GPU) بهینه‌سازی شده است.

با OpenCV چه کارهایی می‌توان انجام داد؟

OpenCV کاربردهای بسیار متنوعی در حوزه‌های مختلف دارد. در اینجا به چند نمونه از این کاربردها اشاره می‌کنیم:

تشخیص چهره: با استفاده از OpenCV می‌توانید برنامه‌هایی برای تشخیص چهره در تصاویر و ویدیوها توسعه دهید. این قابلیت در سیستم‌های امنیتی، رباتیک و سرگرمی کاربردهای فراوانی دارد.

تشخیص اشیاء: OpenCV به شما این امکان را می‌دهد تا الگوریتم‌هایی برای تشخیص و ردیابی اشیاء خاص در تصاویر و ویدیوها طراحی کنید. این قابلیت در زمینه‌های رباتیک، اتومبیل‌های خودران و بازرسی خودکار کاربرد دارد.

ردیابی حرکت: با استفاده از OpenCV می‌توانید سیستم‌هایی برای ردیابی حرکت در ویدیوها و تشخیص اشیاء متحرک طراحی کنید. این قابلیت در سیستم‌های امنیتی، نظارت تصویری و آنالیز ویدیو کاربرد دارد.

تقویت و ویرایش تصویر: OpenCV مجموعه‌ای از الگوریتم‌ها را برای بهبود کیفیت تصاویر، کاهش نویز و انجام ویرایش‌های اساسی در اختیار شما قرار می‌دهد.

تحلیل ویدیو: OpenCV به شما این امکان را می‌دهد تا ویدیوها را تجزیه‌وتحلیل کنید، رویدادهای خاص را شناسایی کرده و اطلاعات ارزشمندی از محتویات ویدیو استخراج‌ کنید.

شروع کار با OpenCV

برای شروع کار با OpenCV، مراحل زیر را دنبال کنید:

١. نصب OpenCV: بسته به سیستم‌عامل و زبان برنامه‌نویسی مورد نظر خود، OpenCV را نصب کنید. راهنماهای نصب برای پلتفرم‌های مختلف در وب‌سایت رسمی OpenCV در دسترس است.

٢. انتخاب زبان برنامه‌نویسی: با توجه به مهارت و تجربه خود، یک زبان برنامه‌نویسی مناسب برای کار با OpenCV انتخاب کنید. Python به دلیل سادگی و خوانایی بالا، گزینه مناسبی برای افراد مبتدی است.

٣. یادگیری اصول اولیه: با مفاهیم اولیه پردازش تصویر مانند پیکسل‌ها، کانال‌های رنگی، ماتریس‌ها و انواع تصاویر آشنا شوید.

٤. مطالعه منابع آموزشی: منابع آموزشی رایگان و پولی متعددی برای یادگیری OpenCV در دسترس است. وب‌سایت رسمی OpenCV، کتاب‌های آموزشی و دوره‌های آنلاین از جمله این منابع هستند.

۵. تمرین و تجربه: بهترین راه برای یادگیری OpenCV، تمرین و تجربه عملی با کتابخانه است. پروژه‌های کوچک و ساده را شروع کنید و به تدریج به سمت پروژه‌های پیچیده‌تر بروید. در این مسیر، از اشتباهات نترسید و از آن‌ها به عنوان فرصتی برای یادگیری استفاده کنید.

منابع آموزش برای یادگیری کار با اوپن سی وی

منابع آموزشی متعددی برای یادگیری OpenCV در دسترس است. در اینجا چند نمونه از این منابع را به شما معرفی می‌کنیم:

  • وب‌سایت رسمی OpenCV: https://opencv.org/‎
  • کتابخانه آموزشی OpenCV: https://learnopencv.com/‎
  • دوره‌های آنلاین: پلتفرم‌های آموزشی آنلاین مانند Coursera و Udemy دوره‌های مختلفی در زمینه OpenCV ارائه می‌دهند و البته دوره‌های آموزش اوپن سی وی در مکتب خونه نیز در این زمینه بسیار حائز اهمیت هستند.
  • کتاب‌ها: کتاب‌های متعددی در زمینه پردازش تصویر و بینایی ماشین با استفاده از OpenCV به زبان فارسی و انگلیسی منتشر شده است.
  • جامعه OpenCV: اوپن سی وی دارای یک جامعه کاربری بزرگ و فعال است که به‌طور مداوم در حال تبادل دانش و تجربه هستند. می‌توانید در انجمن‌های آنلاین OpenCV به سؤالات خود پاسخ دهید، با سایر توسعه‌دهندگان ارتباط برقرار کنید و از تجربیات آن‌ها بیاموزید.

اهمیت آموزش پردازش تصویر با اوپن سی وی

پردازش تصویر و بینایی ماشین با استفاده از OpenCV دنیای پر رمز و راز و شگفت‌انگیزی را به روی شما می‌گشاید. با یادگیری این کتابخانه قدرتمند، می‌توانید برنامه‌های کاربردی خلاقانه و مفیدی در زمینه‌های مختلف توسعه دهید.

 OpenCV برای چه کسانی مناسب است؟

OpenCV برای افراد با سطوح مختلف مهارت مناسب است. اگر به برنامه‌نویسی و ریاضیات علاقه دارید و به دنبال یادگیری یک مهارت جدید و کاربردی هستید، OpenCV می‌تواند گزینه مناسبی برای شما باشد.

یادگیری OpenCV چقدر زمان می‌برد؟

مدت زمان یادگیری OpenCV به عوامل مختلفی مانند سطح مهارت شما، زمان و تلاشی که صرف می‌کنید و منابع آموزشی که به آن‌ها دسترسی دارید بستگی دارد. با این حال، با صرف زمان و تلاش کافی، می‌توانید در عرض چند ماه اصول اولیه OpenCV را یاد بگیرید و پروژه‌های ساده را انجام دهید.

برای یادگیری OpenCV به چه پیش‌نیازی نیاز دارم؟

برای یادگیری OpenCV، به دانش پایه‌ای از برنامه‌نویسی و ریاضیات، به خصوص ماتریس‌ها و بردارها نیاز دارید. همچنین باید با مفاهیم اولیه پردازش تصویر مانند پیکسل‌ها، کانال‌های رنگی و انواع تصاویر آشنا باشید.

 چه زبانی برای یادگیری OpenCV مناسب‌تر است؟

انتخاب زبان برنامه‌نویسی مناسب برای یادگیری OpenCV به سلیقه و تجربه شما بستگی دارد. Python به دلیل سادگی و خوانایی بالا، گزینه مناسبی برای افراد مبتدی است. C++ نیز به دلیل سرعت و کارایی بالا، برای پروژه‌های پیچیده‌تر مناسب‌تر است.

از کجا می‌توانم پروژه‌های نمونه OpenCV را پیدا کنم؟

وب‌سایت رسمی OpenCV و کتابخانه آموزشی OpenCV منابع خوبی برای یافتن پروژه‌های نمونه هستند. همچنین می‌توانید در انجمن‌های آنلاین OpenCV به دنبال پروژه‌های نمونه باشید.

آموزش پردازش تصویر و بینایی ماشین با OpenCV در مکتب خونه

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV فرصتی عالی برای یادگیری این حوزه جذاب و کاربردی است. در این دوره، شما با مفاهیم اساسی و پیشرفته پردازش تصویر و بینایی ماشین آشنا خواهید شد و با استفاده از کتابخانه قدرتمند OpenCV، مهارت‌های لازم برای توسعه برنامه‌های کاربردی را در این زمینه کسب خواهید کرد.

این دوره آموزش پردازش تصویر با اوپن سی وی برای چه کسانی مناسب است؟

این دوره برای افراد با علایق و پیشینه‌های مختلف مناسب است، از جمله:

  • دانشجویان و فارغ‌التحصیلان رشته‌های کامپیوتر، برق، مهندسی و علوم پایه
  • برنامه‌نویسان و توسعه‌دهندگانی که به دنبال یادگیری یک مهارت جدید و کاربردی هستند
  • علاقه‌مندان به هوش مصنوعی و رباتیک
  • افرادی که می‌خواهند از قدرت بینایی ماشین برای حل مسائل واقعی استفاده کنند

با گذراندن این دوره چه چیزی یاد خواهید گرفت؟

در این دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV، شما با طیف وسیعی از موضوعات مرتبط با پردازش تصویر و بینایی ماشین آشنا خواهید شد، از جمله:

  • مفاهیم پایه‌ای پردازش تصویر مانند پیکسل‌ها، کانال‌های رنگی، ماتریس‌ها و انواع تصاویر
  • کتابخانه OpenCV و نحوه استفاده از آن برای خواندن، نوشتن و پردازش تصاویر و ویدیوها
  • الگوریتم‌های پردازش تصویر برای بهبود کیفیت تصاویر، کاهش نویز و انجام ویرایش‌های اساسی
  • تکنیک‌های بینایی ماشین برای تشخیص اشیاء، چهره‌ها و حرکات در تصاویر و ویدیوها
  • یادگیری عمیق و کاربرد آن در بینایی ماشین
  • و غیره

علاوه بر این، شما در این دوره با انجام پروژه‌های عملی، مهارت‌های خود را در زمینه برنامه‌نویسی و حل مسئله ارتقا خواهید داد.

این دوره، نقطه شروعی عالی برای یادگیری پردازش تصویر و بینایی ماشین با OpenCV است. با گذراندن این دوره، شما مهارت‌های لازم برای توسعه برنامه‌های کاربردی خلاقانه و مفید در این زمینه را کسب خواهید کرد.

آموزش پردازش تصویر و هوش مصنوعی در مکتب خونه

همه ما باور داریم که هوش مصنوعی و پردازش تصویر دو حوزه بسیار مهم و جذاب در دنیای فناوری اطلاعات و ارتباطات هستند که در حال حاضر نقش بسیار مهمی در زندگی روزمره و حوزه‌های مختلف از جمله پزشکی، صنعت، امنیت، تجارت و غیره ایفا می‌کنند.

هوش مصنوعی به عنوان یکی از پیشرفت‌های فناوری، توانمندی‌هایی فراوانی از جمله تحلیل داده‌ها، پیش‌بینی، خودکارسازی فرآیندها و اتخاذ تصمیمات هوشمند را به ما ارائه می‌دهد. از سوی دیگر، پردازش تصویر به ما امکان می‌دهد تا از تصاویر و ویدئوها برای استخراج اطلاعات، تشخیص الگوها، شناسایی اشیاء و حتی تصمیم‌گیری‌های هوشمند استفاده کنیم.

با توجه به اهمیت ویژه این دو حوزه، ما در مکتب خونه با افتخار دوره‌های آموزش هوش مصنوعی و آموزش پردازش تصویر را برای شما عزیزان برگزار می‌کنیم. این دوره‌ها با همکاری اساتید مجرب و تخصصی در این زمینه‌ها، به شما کمک خواهند کرد تا مهارت‌های لازم برای کار با الگوریتم‌ها، تکنیک‌ها و ابزارهای مورد نیاز را بدست آورید. همچنین مکتب خونه انواع دوره آموزش برنامه نویسی، از جمله آموزش پایتون را نیز برگزار می‌کند که می‌تواند پیش نیازهای شما در زمینه پردازش تصویر را پوشش دهد.

 اگر شما نیز تمایل دارید تا در دنیای هوش مصنوعی و پردازش تصویر به چالش بکشید و مهارت‌های جدیدی را یاد بگیرید، از شما دعوت می‌کنیم تا به این دوره‌های آموزشی ما ملحق شده و از این فرصت بی‌نظیر بهره‌مند شوید.

 

poster
پیش‌نمایش دوره
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذراندن دوره:  70 ساعت
مجموع محتوای آموزشی:  21 ساعت ویدئو - 49 ساعت تمرین و پروژه
 (قابل دانلود می‌باشد)
مهلت دوره:  11 هفته
  
حد نصاب قبولی در دوره:  75 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد. 
organization-pic  گواهینامه این دوره توسط مکتب‌خونه ارائه می‌شود.
course-feature   گواهی‌نامه مکتب‌خونه course-feature   خدمات منتورینگ course-feature   پروژه محور course-feature   تمرین و آزمون course-feature   تالار گفتگو course-feature   تسهیل استخدام