×
ribbon

آموزش هوش مصنوعی بینایی ماشین (Yolo / Open Cv)

مدرس:

مجید ذاکری

راستش رو بخوای، این دوره فقط یک مجموعه آموزش تکنیکی نیست. چیزی که این جا ساختیم، بیشتر شبیه... بیشتر
گواهی‌نامه
3.9 (11)
10 دیدگاه
695دانشجو
7ساعت
سرفصل‌ها
پیشرفته سطح دوره
بروزرسانیمرداد ۱۴۰۴

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

یاد می‌گیرید چطور یک تصویر را با OpenCV بخوانید و پردازش کنید.

با نحوه‌ی خواندن و ذخیره‌سازی ویدیو کار می‌کنید.

روش تشخیص لبه‌ها را می‌آموزید، مثل پیدا کردن خطوط کف زمین یا حاشیه‌ی اجسام.

یاد می‌گیرید چطور حرکت را در تصویر تشخیص دهید، مثلاً برای فعال کردن آژیر هنگام ورود فرد به منطقه ممنوعه.

این دوره شامل:

7 ساعت ویدئو

1 جلسه متنی

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

7 فصل27 جلسه7 ساعت ویدیو
مقدمه و آماده سازی محیط
  پایه ی تصاویر
07:31
  فایل‌های دوره
00:03
  VS CODE چیه؟
01:35
  نصب برنامه های مورد نیاز
21:04
  خوندن تصویر
08:22
  numpy چیه؟ و چرا مهمه؟
14:25
آشنایی با ساختار تصویر و عملیات اولیه
  جدا کردن کانال رنگی تصویر
14:10
  کراپ تصویر
12:25
  رسم مستطیل ، دایره و خط
18:02
  ری سایز کردن تصویر
23:20
  چرخاندن تصویر
08:45
  نوشتن متن در تصویر
12:20
پردازش پیشرفته تصویر
  Threshold (آستانه گذاری)
13:57
  edge detection (لبه یابی)
09:50
  Image Filtering ( اعمال فیلتر در تصویر)
18:05
  Morphology (مورفولوژی)
29:39
  Contour Detection ( تشخیص کانتور )
13:29
کار با ویدئو ها و پروژه ها
  خواندن ویدئو
06:55
  اکسپورت ویدئو
11:45
  پروژه امنیتی ( تشخیص حرکت غیر مجاز و تولید صدای هشدار)
25:41
  پروژه صنعتی (تشخیص ایست در خط تولید و تولید صدای هشدار)
27:22
  پروژه (تشخیص چهره)
16:44
شروع کار با الگوریتم یولو
  یولو چی هست؟
09:51
  تشخیص ماشین و... با مدل یولو
08:20
لیبل گذاری و آموزش مدل و تست مدل
  لیبل گذاری دیتا با CVAT
27:35
  آموزش مدل یولو با سرویس گوگل کولب
37:06
  تست مدل آموزش دیده با ویژوال استودیو کد
24:26
جمع بندی و مسیر آینده
  نکاتی برای جمع بندی و مسیر آینده
07:11

پیش‌نیاز‌ها

خب، بذار رک بگم: برای شرکت در این دوره، لازم نیست متخصص هوش مصنوعی باشی، لازم نیست قبلاً با OpenCV کار کرده باشی، حتی اگر با پایتون هم فقط آشنایی سطحی داری، باز هم می‌تونی وارد بشی و قدم‌به‌قدم با ما پیش بیای.

اما چند تا چیز هست که اگه بلد باشی، مسیر برات هموارتر می‌شه و خیال منم راحت تره.

 آشنایی اولیه با برنامه‌نویسی (ترجیحاً پایتون)

قرار نیست کدنویسی پیشرفته انجام بدی، ولی خوبه که بدونی حلقه‌ی for چیه، چطوری یک تابع تعریف می‌شه، یا لیست‌ها چطور کار می‌کنن. اگه اینا رو یادت رفته یا بلد نیستی، نگران نباش، توی ویدیوهای اول دوره، وقتی بهشون نیاز داریم، یه توضیحاتی دادم.

ولی اگه هیچ‌چیزی از برنامه‌نویسی نمی‌دونی، شاید بهتر باشه یه دوره مقدماتی پایتون اول بری، ولی اگه یه بار کدی دیدی و ترس نداری ازش، این دوره برات قابل فهمه.

 آشنایی ابتدایی با مفاهیم فایل، تصویر و ویدیو

نیاز نیست بدونی JPEG چیه یا فرمت PNG دقیقاً چطور کار می‌کنه. اما خوبه بدونی یه تصویر یه فایله، که پیکسلا توش قرمز و سبز و آبی دارن. همین‌قدر کافیه. توی دوره اینا رو خیلی ساده و مرحله‌به‌مرحله توضیح می‌دم.

حوصله‌ی یادگیری و آزمون و خطا

ببین، این دوره فقط ویدیو دیدن نیست. باید دست به کد شی، خطا ببینی، خط‌به‌خط جلو بری. گاهی یه تابع کار نمی‌کنه، گاهی یه تصویر باز نمی‌شه. اینا طبیعی‌ان. اگه آدمی هستی که دوست داره دلیل یه چیزو بفهمه، این دوره کاملاً به درد تو می‌خوره.

داشتن یک لپ‌تاپ یا کامپیوتر متوسط

نیاز به سیستم خیلی قوی نیست، چون بیشتر کدها سبک هستن. فقط برای آموزش مدل YOLO (آخرای دوره)، اگه GPU نداری نگران نباش، از Google Colab استفاده می‌کنیم که رایگانه و بهت GPU ابری می‌ده که خب اگه سیستمت احیانا ضعیفه توی این دوره وصل می شیم به تجهیزات سخت افزار های گوگل و کارهای سنگین مون رو باهاش انجام می دیم که خب فوق العادست یعنی با یه سیستم ضعیف کارهای سنگین انجام می دیم.

 به‌صورت خلاصه اگه بخوام بگم

آشنایی با پایتون؟ ( پیشنهاد می‌شه در حد مقدماتی)
تجربه‌ی کار با تصویر؟ (لازم نیست همه چی آموزش داده می‌شه)
GPU یا سیستم قوی؟ (لازم نیست Google Colab کافیه)
تجربه‌ی پروژه‌؟ (لازم نیست با هم پروژه می‌زنیم)

توضیحات دوره

راستش رو بخوای، این دوره فقط یک مجموعه آموزش تکنیکی نیست. چیزی که این‌جا ساختیم، بیشتر شبیه تجربه‌ی چند ساله‌ی من با تصویر و ویدیو و هزار تا پروژه‌ی ریز و درشتی هست که یا به خاطر علاقه‌ی شخصی دنبالش رفتم، یا وسط یک پروژه‌ی صنعتی یا امنیتی بزرگ خودم رو درگیرش دیدم.

همه‌چیز از یک سؤال ساده شروع شد
آیا می‌شه کاری کرد که ماشین ببینه؟ نه فقط ببینه، بفهمه.»
حالا این دوره، نتیجه‌ی همون کنجکاویه...

 چی قراره یاد بگیری؟

من مسیر رو این‌طور دیدم: اول باید بفهمیم تصویر دیجیتال اصلاً چیه. واقعاً کامپیوتر وقتی یک عکس رو باز می‌کنه، چی می بینه؟ چرا وقتی می‌گیم یک عکس قرمزه ، در حافظه فقط چند عدد دیده می‌شه؟ چرا NumPy این‌قدر مهمه ؟ چرا OpenCV محبوبه؟ همه‌ی این «چرا»ها را با هم جواب می‌دیم.

بعد کم‌کم می‌ریم سراغ دست‌کاری تصویر. می‌بینیم چطور می‌شه بخشی از تصویر رو برید، روی اون شکل کشید، چرخوندش، یا یک متن روی او نوشت. این‌ها ساده ان، اما پایه‌ای‌ترین چیزهایی هستن که بعدا هزار بار قراره استفاده‌شون کنیم (حتی در پروژه‌های حرفه‌ای و سنگین‌مون).

 اما اصل ماجرا کجاست؟

اینجا که می‌تونیم از ویدیو، از تصویر زنده، اطلاعات استخراج کنیم.
یعنی در یک فریم چیزی هست و در فریم بعدی چیز دیگه ای. ما آن تغییر رو می‌گیریم و می‌فهمیم «حرکت اتفاق افتاده». اینجا اولین پروژه‌ی واقعی رو داریم: یک سیستم تشخیص حرکت در دوربین مداربسته که اگه حرکتی دید، مثل ورود غیرمجاز، یک صدای آژیر تولید کنه

بعدش رفتیم سراغ چیزی جدی‌تر: خط تولید. خطی که در اون جسم‌ها یکی‌یکی رد می‌شن. اگه ایستادن، هشدار صوتی بده. این دیگه شوخی نیست، چون پای صنعت یا حتی هزاران میلیارد در یک کارخانه وسطه و ما اینجا فرایند تولید رو ساده‌تر و ایمن‌تر می‌کنیم.

 
می‌خوای مدل هوش مصنوعی آموزش بدهی؟ YOLO داریم.
اگه دوست داری بدونی چطور یک مدل تشخیص اشیا (Object Detection) آموزش داده می‌شه ، من در این دوره از صفر تا صدش رو گفتم. از لیبل‌زدن با CVAT، تا آموزش مدل در Google Colab، تا تست روی تصویر واقعی. حتی اگه تا حالا یک خط کد هوش مصنوعی هم ننوشته باشی، با من همراه شو، از پسش برمیای ؛ حتی اگر سیستم ضعیفی داشته باشی.

 این دوره برای کیه؟

برای کسی که کنجکاوه ، کسی که دلش می‌خواد بفهمه تصویر دیجیتال یعنی چی، یا حتی دنبال یک شغل جدی در صنعته...
برای مهندس‌هایی که تا حالا با هوش مصنوعی کار نکردن ولی اسم OpenCV رو زیاد شنیدن...
برای محقق‌هایی که می‌خوان از هوش مصنوعی برای کارهای تحقیقاتی بصری خودشون استفاده کنن و مدل‌های انحصاری خودشون رو بسازن.
یا برای کسی که دلش می‌خواد یک مدل YOLO بسازه ولی نمی‌دونه از کجا شروع کنه.
و برای تو، اگر حس می‌کنی باید وارد دنیایی بشی که آینده‌ی تکنولوژیه...

دیدگاه کاربران

3.9

بر اساس امتیاز 12 دانشجو

1
2
3
4
5

محمدرضا ساعدی

15 روز پیش

5

به زبون ساده تدریس شاده در عین حال جامع برای شروع دیدنشو توصیه میکنم

فاطمه شبستری

2 ماه پیش

5

مطالب دوره بسیار منسجم، منظم و با بیانی قابل فهم ارائه شده بود، به‌طوری که یادگیری مفاهیم حتی برای افراد تازه‌کار هم راحت‌ است. از زحمات استاد محترم سپاسگزارم.

دانشجوی دوره

9 ماه پیش

5

دوره خوب و مفیدی بود مسائل فنی و تخصصی به خوبی پوشش داده شد.

دانشجوی دوره

9 ماه پیش

5

این دوره واقعا برام نقطه عطفی بود ، قبلش فکر می کردم یادگیری بینایی ماشین خیلی پیچیده و دست نیافتنیه ولی توضیحات مرحله به مرحله استاد و مثال های کاربردی باعث شد مفاهیم به ساده ترین شکل ممکن برام جا بیفته

دانشجوی دوره

9 ماه پیش

5

دوره فوق العاده عالی با مطالب بسیار اموزنده و جالب استاد ذاکریخیلی ساده و روان همچی رو فوق العاده جذاب توضیح داده مرسیییییی از استاد گرامی و مجموعه خوبتون 🫶🏻💚🙏🏻

محمدجواد زندی

12 روز پیش

4

خوب بود

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
مجید ذاکریتوسعه دهنده الگوریتم های هوش مصنوعی پزشکی
2دوره
951دانشجو
24نظر و امتیاز

مجید ذاکری از پژوهشگران و مدرسان فعال در حوزه‌ی هوش مصنوعی پزشکی است که فعالیت‌های علمی او بر بینایی ماشین، تحلیل تصویر و سیستم‌های تشخیص الگو متمرکز شده است. در کارنامه‌ی پژوهشی و حرفه‌ای او، همکاری با مجموعه‌های صنعتی، پژوهشی، و پزشکی به چشم می‌خورد؛ همکاری‌هایی که در آن‌ها هم نقش طراحی و توسعه‌ی الگوریتم‌ها و هم هدایت تیم های فنی را بر عهده داشته است.

آنچه پژوهش‌های او را برجسته می‌کند، ترکیب دانش نظری با تجربه‌ی عملی در بسترهای واقعی است. او همواره کوشیده است تا الگوریتم‌های پیچیده‌ی هوش مصنوعی را با شرایط واقعی و محدودیت‌های عملیاتی سازگار سازد؛ از طراحی سامانه‌های هوشمند برای خطوط تولید صنعتی گرفته تا توسعه‌ی راه‌حل‌های اختصاصی در حوزه‌ی تحلیل داده‌های ویدیویی.

بخش مهمی از فعالیت‌های او به حوزه‌ی سلامت اختصاص دارد ، او با بهره‌گیری از روش‌های یادگیری ماشین و هوش مصنوعی، به تحلیل داده‌های مرتبط با سرطان ها و سایر بیماری‌ها پرداخته و در جست‌وجوی کشف الگوهای تکرارپذیر در داده‌های پزشکی بوده است؛ الگویی که می‌تواند مسیر تشخیص و تحلیل بیماری‌ها را دقیق‌تر و کارآمدتر سازد.

در عرصه‌ی آموزش نیز، مجید ذاکری بر این باور است که انتقال دانش تنها با ارائه‌ی مباحث نظری کافی نیست. او تجربه‌ی عملی و مواجهه‌ی مستقیم با چالش‌های واقعی را بخش جدایی‌ناپذیر فرایند یادگیری می‌داند و همین رویکرد را در طراحی و اجرای دوره‌های آموزشی خود دنبال می‌کند.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه