دوره یادگیری Computer Vision with OpenCV 4, Keras, and TensorFlow 2

در این دوره آموزشی همه مباحث Computer Vision with OpenCV 4, Keras, and TensorFlow 2 و کدنویسی آن ها را یاد می گیرید. 

عنوان اصلی : Hands-On Computer Vision with OpenCV 4, Keras, and TensorFlow 2

سرفصل ها :

مقدمه ای بر بینایی کامپیوتر با OpenCV:
بررسی اجمالی دوره
راه اندازی ابزارهای بینایی کامپیوتر شما (Python، OpenCV 4، TensorFlow 2.0، و Keras)
تشکیل تصویر و نمایش دیجیتال
شروع کار با OpenCV 4
شروع با OpenCV 4 - عملی
درک فضاهای رنگی و استفاده از مقیاس خاکستری
درک فضاهای رنگی و اعمال رنگدانه خاکستری - عملی
ایجاد و طراحی روی تصاویر با OpenCV
دستکاری تصویر در عملیات OpenCV:
ترجمه ها، چرخش ها و تبدیل ها
مقیاس بندی، تغییر اندازه، درون یابی، و برش
مقیاس بندی، تغییر اندازه، درون یابی، و برش - عملی
عملیات حسابی و بیتی
محو و واضح کردن تصاویر
محو و تیز کردن تصاویر - عملی
آستانه گذاری، دوتایی سازی و آستانه سازی تطبیقی
آستانه، دوتایی، و آستانه تطبیقی - عملی
اتساع، فرسایش، و تشخیص لبه
اتساع، فرسایش، و تشخیص لبه - عملی
تقسیم بندی تصویر و تشخیص اشیا در OpenCV:
تقسیم بندی و خطوط
تقسیم بندی و خطوط - عملی
مرتب سازی و تقریب خطوط
مرتب سازی و تقریب خطوط - عملی
تشخیص خط، دایره و لکه
تشخیص خط، دایره و لکه - عملی
تشخیص اشیا با طبقه‌بندی‌کننده‌های آبشار HAAR
تشخیص چهره و چشم
تشخیص ماشین و افراد
یادگیری ماشین و یادگیری عمیق در بینایی کامپیوتر:
یادگیری ماشین در بینایی کامپیوتر
یادگیری عمیق و شبکه های عصبی
مقدمه ای بر شبکه های عصبی کانولوشنال
ایجاد یک CNN با استفاده از Keras و TensorFlow 2.0
بارگذاری و آماده سازی داده های تصویر
آموزش CNN ما و تجزیه و تحلیل عملکرد
یادگیری عمیق برای تشخیص تصویر پیشرفته، تشخیص چهره و تشخیص ژست:
درک طراحی و آموزش CNN
تشخیص ژست با استفاده از زبان اشاره MNIST
سیستم تشخیص ژست خود را با داده های خود بسازید
تشخیص چهره با یادگیری عمیق
پیاده سازی VGG Face برای مقایسه تشابه صورت
ساخت سیستم تشخیص چهره یادگیری عمیق
یادگیری انتقال عمیق یادگیری و تشخیص اشیا:
مدل های ImageNet از پیش آموزش دیده
مقدمه ای بر یادگیری انتقالی
پیاده سازی آموزش انتقال در CIFAR-10
R-CNN، SSD و YOLO
پیاده سازی تشخیص اشیا با SSD و YOLO
انتقال سبک هنر عصبی