چرا این دوره برای شما مفیده؟
دوره آموزش پردازش تصاویر دیجیتال در پایتون، قراره مقدمات لازم برای تبدیل شدن به یک توسعه‌دهنده پردازش تصاویر و بینایی ماشین رو برای شما فراهم کنه! این دوره ابتدا مقدمات لازم برای فرآیندهای پردازش تصاویر در برنامه‌نویسی پایتون و سپس عملیات‌های مقدماتی پردازش تصویر (بارگذاری، ذخیره‌سازی، چرخش، تغییر ابعاد و….)، فیلترها و تبدیل‌های تصاویر و قطعه‌بندی تصاویر رو با استفاده از کتابخانه‌های مطرحی مثل Scikit-Image، Pydicom، OpenCV، Imutils و PIL رو برای شما فراهم می‌کنه.
در پایان این دوره که شامل حدود 15 ساعت آموزش تخصصی هست، مبحث پیشرفته شناسایی اهداف با پیاده‌سازی مثال‌هایی مثل شناسایی چهره و نشونه‌های اون، شناسایی خودرو و اجرای الگوریتم Yolo به شما آموزش داده می‌شه. این دوره آموزشی برای تمامی علم‌آموزهایی که می‌خوان به شکل حرفه‌ای وارد حوزه پردازش تصویر و بینایی ماشین بشن، توصیه می‌شه، دلیلش هم اینه که محتوای ارائه شده در این دوره، تمامی مهارت‌های اساسی برای یک توسعه‌دهنده پردازش تصاویر و بینایی ماشین رو براتون فراهم می‌کنه!
سرفصل‌های دوره
بخش اول: آشنایی مقدماتی با پایتون
- نحوه نصب کتابخانه‌ها و ماژول‌های مورد نیاز پردازش تصویر
- آشنایی با پایتون و انواع متغیرهای آن
- ساختمان داده لیست، حلقه For و بلوک شرطی IF در پایتون
- ساختمان داده لیست و تاپل، حلقه While و حلقه‌های تودرتو در پایتون
- ساختمان داده دیکشنری و مجموعه در پایتون
- توابع و کلاس‌ها در پایتون
- آشنایی با ماژول‌های Numpy، Matplotlib و OS
بخش دوم: دستورات مقدماتی پردازش تصاویر
- بارگذاری، نمایش و ذخیره‌سازی، چرخش و تغییر ابعاد تصاویر
- تبدیلات رنگی، دسترسی به پیکسل‌ها، عملیات یاضی، ROI Selection، بارگذاری و نمایش فایل‌های ویدوئویی و اخذ تصاویر و فریم‌های ویدوئویی از طریق دوربین
بخش سوم: فیلترها و تبدیل‌های تصاویر
- فیلترهای پایینگذر و بالاگذر، لبه‌یابی، رسم هیستوگرام و تبدیل Histogram Equalization
- تبدیل Histogram Matching، تابع گاما (Gamma Correction)، شارپ کردن تصاویر و تبدیلات مورفولوژیکی
بخش چهارم: قطعه‌بندی تصاویر (Image Segmentation)
- آستانه‌گذاری دستی، آستانه‌گذاری Otsu و رسم کانتورهای قطعه‌بندی
- الگوریتم هاف جهت قطعه‌بندی خطوط و دوایر در تصاویر
- الگوریتم GrabCut و اندازه‌گیری ویژگی‌های هندسی اهداف قطعه‌بندی شده
بخش پنجم: شناسایی اهداف در تصاویر
- آشنایی با شناسایی اهداف و شناسایی چهره در تصاویر و فریم‌های ویدئویی
- شناسایی نشانه‌های چهره (Facial Landmarks) در تصاویر و فریم‌های ویدئویی
- پیاده‌سازی الگوریتم YOLU جهت تشخیص اهداف
توضیحات بیشتر
دوره آموزشی پردازش تصاویر دیجیتال در پایتون شامل یک آموزش صفر تا صد از پیاده‌سازی الگوریتم‌های پردازش تصاویر در محیط برنامه‌نویسی پایتون را با ارائه مثال‌ها و داده‌های واقعی به شما آموزش می‌دهد. تمامی مستندات لازم برای هر جلسه از جمله کدهای هر جلسه، جزوه و فایل‌های مورد نیاز به صورت فایل‌های ضمیمه و به صورت آنی و پس از ثبت‌نام در دوره در اختیار شما قرار خواهد گرفت.
ابزارهای مرتبط
- محیط توسعه Anaconda
پیش‌نیازها
پیش نمایش ویدئو
قسمت اول: نحوه نصب کتابخانه‌ها و ماژول‌های مورد نیاز پردازش تصویر ویدئو
آماده‌سازی شرایط جهت یک شروع قدرتمند!
قسمت دوم: آشنایی با پایتون و انواع متغیرهای آن ویدئو
قدم‌های ابتدایی راه افتادن در پایتون
قسمت سوم: ساختمان داده لیست، حلقه For و بلوک شرطی IF در پایتون ویدئو
ساختارهای داده پر کاربرد و مورد نیاز
قسمت چهارم: ساختمان داده لیست و تاپل، حلقه While و حلقه‌های تودرتو در پایتون ویدئو
ساختارهای داده پر کاربرد و مورد نیاز
قسمت پنجم: ساختمان داده دیکشنری و مجموعه در پایتون ویدئو
ساختارهای داده پر کاربرد و مورد نیاز
قسمت ششم: توابع و کلاس‌ها در پایتون ویدئو
از مهم‌ترین اجزاء هر زبان برنامه‌نویسی
قسمت هفتم: آشنایی با ماژول‌های Numpy، Matplotlib و OS ویدئو
از مهم‌ترین کتابخانه‌های علوم داده در پایتون
قسمت هشتم: مباحث تکمیلی ویدئو
دیگر موارد مورد نیاز برای یادگیری بهتر شما
ویدئو
قسمت اول: بارگذاری، نمایش و ذخیره‌سازی، چرخش و تغییر ابعاد تصاویر ویدئو
قدم‌های اول در پردازش تصاویر دیجیتال
قسمت دوم: تبدیلات رنگی، دسترسی به پیکسل‌ها، عملیات یاضی، ROI Selection، بارگذاری و نمایش فایل‌های ویدوئویی و اخذ تصاویر و فریم‌های ویدوئویی از طریق دوربین ویدئو
قدم‌های اول در پردازش تصاویر دیجیتال
پیش نمایش ویدئو
قسمت اول: فیلترهای پایینگذر و بالاگذر، لبه‌یابی، رسم هیستوگرام و تبدیل Histogram Equalization ویدئو
در مسیر حرفه‌ای شدن
قسمت دوم: تبدیل Histogram Matching، تابع گاما (Gamma Correction)، شارپ کردن تصاویر و تبدیلات مورفولوژیکی ویدئو
در مسیر حرفه‌ای شدن
پیش نمایش ویدئو
قسمت اول: آستانه‌گذاری دستی، آستانه‌گذاری Otsu و رسم کانتورهای قطعه‌بندی ویدئو
بخشی مهم در پردازش تصاویر دیجیتال
قسمت دوم: الگوریتم هاف جهت قطعه‌بندی خطوط و دوایر در تصاویر ویدئو
یکی از مهم‌ترین الگوریتم‌های پردازش تصاویر دیجیتال
قسمت سوم: الگوریتم GrabCut و اندازه‌گیری ویژگی‌های هندسی اهداف قطعه‌بندی شده ویدئو
یکی از مهم‌ترین الگوریتم‌های پردازش تصاویر دیجیتال
پیش نمایش ویدئو
قسمت اول: آشنایی با شناسایی اهداف و شناسایی چهره در تصاویر و فریم‌های ویدئویی ویدئو
در مسیر حرفه‌ای شدن
قسمت دوم: شناسایی نشانه‌های چهره (Facial Landmarks) در تصاویر و فریم‌های ویدئویی ویدئو
در مسیر حرفه‌ای شدن
قسمت سوم: پیاده‌سازی الگوریتم YOLU جهت تشخیص اهداف ویدئو
در مسیر حرفه‌ای شدن
دانلود فایل های ضمیمه ویدئو
شامل مستندات کد ، گزارش و ...
درخواست مشاوره
برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.
درخواست مشاورهدوره های مرتبط
دوره آموزشی ریاضیات مورد نیاز برای علم داده
چرا این دوره رو به شما پیشنهاد می‌کنیم؟ بدون شک فهم بنیادی هر علمی و فلسفه آن می تونه به…
دوره آموزشی یادگیری عمیق با استفاده از کتابخانه Keras به وسیله زبان برنامه نویسی پایتون
چرا این دوره رو به شما پیشنهاد می‌کنیم؟ این روزها از یادگیری عمیق (Deep Learning) به عنوان یکی از مدرن‌ترین…
chat_bubble_outlineنظرات
800,000 تومان
رضا اکبری موحد – دانشگاه گلاسکو – اسکاتلند
دانشجوی دکتری دانشگاه گلاسکو کشور اسکاتلندتبلیغات
قوانین ثبت دیدگاه