Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-4 of 4 items.

linkedin Hand-On AI: پروژه های دید رایانه ای با Ultralytics و OpenCV (Mitalearn-421835)

  • 3 hours 34 minutes
  • مناسب همه
  • Release date: 6 May 2025
  • Author: Rizwan Munawar
درباره این دوره: 

 یک نمای کلی از الگوریتم های دید رایانه در خانواده YOLO دریافت کنید و نحوه استفاده از این الگوریتم ها را برای پرداختن به چالش های دنیای واقعی نشان دهید. این دوره شامل پیاده روی های فنی برای تکنیک های اساسی مانند طبقه بندی تصویر ، تشخیص شی ، ردیابی شی ، تقسیم نمونه ، تخمین پوز و جعبه های محدود کننده گرا (OBB) با استفاده از بسته Ultralytics Python است. مربی محمد مونوار شما را از طریق حاشیه نویسی داده ها ، مدل های آموزش و صادر کردن آنها راهنمایی می کند و نشان می دهد که چگونه روند صادرات زمان استنباط را سرعت می بخشد. علاوه بر این ، ببینید که چگونه راه حل های Ultralytics برای حل چالش های عملی بینایی رایانه متناسب است ، با نمونه های عمیق اجرای فنی ارائه شده در طول دوره

linkedin OpenCV for Python Developers (2017) (Mitalearn-119983)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 22 September 2017
  • Author: Patrick W. Crawford
درباره این دوره:

OpenCV یک جعبه ابزار منبع باز برای بینایی کامپیوتر پیشرفته است. این یکی از محبوب‌ترین ابزارها برای تشخیص چهره است که در طیف گسترده‌ای از برنامه‌های امنیتی، بازاریابی و عکاسی استفاده می‌شود و بسیاری از فناوری‌های پیشرفته از جمله واقعیت افزوده و روباتیک را تقویت می‌کند. این دوره به توسعه دهندگان پایتون مقدمه ای مفصل برای OpenCV 3 ارائه می دهد که با نصب و پیکربندی محیط توسعه مک، ویندوز یا لینوکس همراه با پایتون 3 شروع می شود. در مورد داده ها و انواع تصاویر منحصر به فرد OpenCV بیاموزید و نحوه دستکاری پیکسل ها و تصاویر. سپس قدرت واقعی OpenCV می آید: تشخیص شی، چهره و ویژگی. بیاموزید که چگونه از قدرت پردازش تصویر OpenCV با استفاده از روش هایی مانند تطبیق الگو و داده های یادگیری ماشین برای شناسایی و تشخیص ویژگی ها استفاده کنید.

coursera مقدمه ای بر بینایی کامپیوتری و پردازش تصویر (Mitalearn-326550)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Aije Egwaikhide,Joseph Santarcangelo
درباره این دوره:

Computer Vision یکی از هیجان انگیزترین زمینه ها در یادگیری ماشینی و هوش مصنوعی است. در بسیاری از صنایع مانند اتومبیل های خودران، روباتیک، واقعیت افزوده و بسیاری موارد دیگر کاربرد دارد. در این دوره آموزشی مبتدی، بینایی کامپیوتر را درک خواهید کرد و با کاربردهای مختلف آن در بسیاری از صنایع آشنا خواهید شد. به عنوان بخشی از این دوره، شما از Python، Pillow و OpenCV برای پردازش اولیه تصویر و انجام طبقه بندی تصویر و تشخیص اشیا استفاده خواهید کرد. این یک دوره عملی است و شامل چندین آزمایشگاه و تمرین است. آزمایشگاه‌ها آزمایشگاه‌های Jupyter و Computer Vision Learning Studio (CV Studio) را که یک ابزار آموزشی رایگان برای بینایی کامپیوتر است، ترکیب می‌کنند. CV Studio به شما امکان آپلود، آموزش و آزمایش مدل‌های تشخیص و طبقه‌بندی تصویر سفارشی خود را می‌دهد. در پایان دوره، برنامه وب بینایی کامپیوتر خود را ایجاد کرده و آن را در Cloud مستقر خواهید کرد. این دوره نیازی به تجربه قبلی در زمینه یادگیری ماشین یا کامپیوتر ندارد. با این حال، دانش کمی از زبان برنامه نویسی پایتون و ریاضی دبیرستان ضروری است.

linkedin مقدمه ای بر یادگیری عمیق با OpenCV (Mitalearn-185263)

  • 49 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

یادگیری عمیق شاخه ای نسبتاً جدید و بسیار محبوب از هوش مصنوعی (AI) است که الگوها و بینش ها را در داده ها، از جمله تصاویر و ویدیوها، پیدا می کند. لایه بندی و انتزاع آن به مدل های یادگیری عمیق توانایی هایی تقریباً شبیه انسان می دهد - از جمله تشخیص تصویر پیشرفته. با استفاده از OpenCV - یک نرم‌افزار بینایی کامپیوتری که به طور گسترده مورد استفاده قرار گرفته است - می‌توانید مدل‌های یادگیری عمیق آموزش‌دیده قبلی را روی سخت‌افزار ارزان‌قیمت اجرا کنید و بینش‌های قدرتمندی را از تصاویر دیجیتال و ویدیو ایجاد کنید. در این دوره آموزشی، استاد جاناتان فرناندز با استفاده از ماژول OpenCV شبکه های عصبی عمیق (dnn) شما را با دنیای یادگیری عمیق از طریق استنتاج آشنا می کند. می توانید یک نمای کلی از مفاهیم و معماری یادگیری عمیق داشته باشید و سپس نحوه مشاهده و بارگذاری تصاویر و ویدیوها را با استفاده از OpenCV و Python کشف کنید. جاناتان همچنین نشان می‌دهد که چگونه می‌توان برای تصاویر و ویدیوها طبقه‌بندی کرد، از حباب‌ها (معادل تانسورها در سایر چارچوب‌ها) استفاده کرد و از YOLOv3 برای تشخیص شی سفارشی استفاده کرد.

Suggestions