اپلیکیشن اندرویدی فلش‌کارت آموزشی پیاده‌سازی سیستم‌های بینایی ماشین با هوش مصنوعی در دستگاه‌های لبه (Edge Devices)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی سیستم‌های بینایی ماشین با هوش مصنوعی در دستگاه‌های لبه (Edge Devices)

موضوع کلی: هوش مصنوعی و پردازش تصویر

موضوع میانی: کاربردهای هوش مصنوعی در پردازش تصویر

📋 سرفصل‌های دوره

• 1. مبانی بینایی ماشین و پردازش تصویر
• 2. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 3. انواع شبکه‌های عصبی کانولوشنال (CNN)
• 4. معماری‌های پیشرفته CNN برای پردازش تصویر
• 5. یادگیری عمیق (Deep Learning) در بینایی ماشین
• 6. مفاهیم پایه یادگیری عمیق
• 7. کاربرد شبکه‌های عصبی در تشخیص الگو
• 8. آموزش و ارزیابی مدل‌های یادگیری عمیق
• 9. بهینه‌سازی مدل‌های یادگیری عمیق
• 10. مقدمه‌ای بر دستگاه‌های لبه (Edge Devices)
• 11. چالش‌های پردازش تصویر در دستگاه‌های لبه
• 12. معماری‌های سخت‌افزاری برای دستگاه‌های لبه
• 13. فریم‌ورک‌های یادگیری عمیق برای دستگاه‌های لبه
• 14. TensorFlow Lite برای دستگاه‌های لبه
• 15. PyTorch Mobile برای دستگاه‌های لبه
• 16. بهینه‌سازی مدل‌ها برای دستگاه‌های لبه
• 17. فشرده‌سازی مدل‌ها و کوانتیزاسیون
• 18. استنتاج (Inference) در دستگاه‌های لبه
• 19. تشخیص اشیاء در زمان واقعی
• 20. شناسایی چهره و تحلیل آن
• 21. ردیابی اشیاء متحرک
• 22. تحلیل صحنه و درک محیط
• 23. سیستم‌های توصیه‌گر مبتنی بر تصویر
• 24. پردازش تصویر پزشکی و تشخیص بیماری
• 25. بینایی ماشین در صنعت و تولید
• 26. کنترل کیفیت خودکار
• 27. رباتیک و ناوبری خودکار
• 28. خودروهای خودران و سیستم‌های کمکی راننده
• 29. واقعیت افزوده (Augmented Reality)
• 30. واقعیت مجازی (Virtual Reality)
• 31. پردازش تصویر برای کشاورزی هوشمند
• 32. کشاورزی دقیق و پایش محصولات
• 33. نظارت و امنیت با بینایی ماشین
• 34. تحلیل ترافیک و مدیریت شهری
• 35. کاربرد در سیستم‌های نظارتی عمومی
• 36. پردازش زبان طبیعی در کنار پردازش تصویر
• 37. تولید زیرنویس خودکار برای تصاویر
• 38. توصیف تصویر (Image Captioning)
• 39. جستجوی تصویر معنایی
• 40. سیستم‌های تشخیص و طبقه‌بندی تصاویر
• 41. تقسیم‌بندی معنایی تصویر (Semantic Segmentation)
• 42. تشخیص لبه و استخراج ویژگی
• 43. استخراج ویژگی‌های دست‌ساز (Handcrafted Features)
• 44. یادگیری ویژگی‌های خودکار (Automatic Feature Learning)
• 45. کاربرد CNN در تشخیص چهره
• 46. تشخیص احساسات از روی چهره
• 47. تحلیل حرکات بدن و تشخیص فعالیت
• 48. بینایی ماشین برای افراد کم‌توان
• 49. سیستم‌های ناوبری برای نابینایان
• 50. پردازش تصویر در حوزه میراث فرهنگی
• 51. بازسازی سه‌بعدی آثار باستانی
• 52. طبقه‌بندی و آرشیو تصاویر تاریخی
• 53. شناسایی و ردیابی نقوش و الگوها
• 54. پردازش تصویر در حوزه کشاورزی
• 55. تشخیص آفات و بیماری‌های گیاهی
• 56. پایش رشد محصولات کشاورزی
• 57. برآورد میزان برداشت محصول
• 58. کاربرد بینایی ماشین در بهداشت
• 59. پایش سلامت بیماران از راه دور
• 60. تحلیل تصاویر پزشکی (اشعه ایکس، MRI)
• 61. تشخیص زودهنگام بیماری‌ها
• 62. پردازش تصویر در حوزه انرژی
• 63. پایش خطوط انتقال نیرو
• 64. تشخیص نشتی در تأسیسات نفتی و گازی
• 65. بهینه‌سازی مصرف انرژی با تحلیل تصاویر
• 66. تکنیک‌های پیش‌پردازش تصویر
• 67. بهبود کیفیت تصویر و کاهش نویز
• 68. تطبیق و ثبت تصاویر (Image Registration)
• 69. تقویت کنتراست و هیستوگرام تصویر
• 70. تبدیل فضای رنگی تصاویر
• 71. مبانی هندسه در بینایی ماشین
• 72. کالیبراسیون دوربین
• 73. استریو ویژن و بازسازی سه‌بعدی
• 74. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
• 75. کاربرد GAN در تولید و بهبود تصاویر
• 76. یادگیری انتقالی (Transfer Learning)
• 77. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده
• 78. مدل‌های پردازش تصویر قابل تفسیر (Explainable AI)
• 79. مفسرسازی تصمیمات مدل‌های بینایی ماشین
• 80. شبکه‌های عصبی بازگشتی (RNN) در پردازش ویدئو
• 81. پردازش جریان ویدئویی
• 82. تشخیص رویداد در ویدئو
• 83. تحلیل رفتاری در ویدئو
• 84. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
• 85. کاربرد یادگیری تقویتی در کنترل رباتیک
• 86. بهینه‌سازی پارامترهای مدل‌های بینایی ماشین
• 87. سیستم‌های تشخیص ناهنجاری
• 88. کاربرد در تشخیص تقلب
• 89. مقدمه‌ای بر پردازش سه‌بعدی تصویر
• 90. نمایش ابر نقاط (Point Cloud)
• 91. پردازش مدل‌های سه‌بعدی
• 92. کاربرد در طراحی و مهندسی
• 93. مبانی یادگیری نیمه‌نظارتی (Semi-supervised Learning)
• 94. کاربرد در کاهش نیاز به داده‌های برچسب‌دار
• 95. مباحث پیشرفته در شبکه‌های CNN
• 96. مکانیسم توجه (Attention Mechanisms)
• 97. شبکه‌های توجهی (Attention Networks)
• 98. پردازش تصویر در دستگاه‌های کم‌توان
• 99. الگوریتم‌های کارآمد برای دستگاه‌های لبه
• 100. بهینه‌سازی مصرف انرژی در دستگاه‌های لبه