دوره بینایی ماشین با OpenCV و Python: تحلیل و پردازش تصویر همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بینایی ماشین با OpenCV و Python: تحلیل و پردازش تصویر

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بینایی ماشین
• 2. آشنایی با کتابخانه OpenCV
• 3. نصب و راه‌اندازی OpenCV و Python
• 4. مفاهیم پایه تصویر: پیکسل، رنگ، ابعاد
• 5. خواندنی و نمایش تصویر در OpenCV
• 6. ذخیره کردن تصاویر
• 7. عملیات پایه‌ای روی تصاویر: برش، تغییر اندازه، چرخش
• 8. تبدیل فضای رنگ تصاویر: RGB، Grayscale، HSV
• 9. فیلترهای تصویر: هموارسازی (Blurring)
• 10. فیلترهای تصویر: تشخیص لبه (Edge Detection)
• 11. آستانه‌گذاری (Thresholding) تصاویر
• 12. آستانه‌گذاری تطبیقی
• 13. عملیات مورفولوژیکی: فرسایش (Erosion)
• 14. عملیات مورفولوژیکی: انبساط (Dilation)
• 15. عملیات مورفولوژیکی: باز کردن (Opening)
• 16. عملیات مورفولوژیکی: بستن (Closing)
• 17. تشخیص کانتورها (Contours)
• 18. رسم کانتورها و اشکال هندسی
• 19. تقسیم‌بندی تصویر (Image Segmentation)
• 20. تکنیک‌های تقسیم‌بندی: مبتنی بر آستانه
• 21. تکنیک‌های تقسیم‌بندی: مبتنی بر کانتور
• 22. تشخیص ویژگی (Feature Detection)
• 23. الگوریتم SIFT
• 24. الگوریتم SURF
• 25. الگوریتم ORB
• 26. تطبیق ویژگی (Feature Matching)
• 27. روش‌های تطبیق: تطبیق‌گر brute-force
• 28. روش‌های تطبیق: تطبیق‌گر FLANN
• 29. تخمین پارامترهای دوربین
• 30. کالیبراسیون دوربین
• 31. اصلاح اعوجاج لنز
• 32. هوموگرافی (Homography)
• 33. کاربرد هوموگرافی: دوخت تصاویر پانوراما
• 34. کاربرد هوموگرافی: تطبیق اشیاء
• 35. بینایی استریو (Stereo Vision)
• 36. محاسبه disparity map
• 37. بازسازی سه‌بعدی از تصاویر استریو
• 38. تشخیص و ردیابی اشیاء (Object Detection and Tracking)
• 39. روش‌های تشخیص اشیاء: مبتنی بر ظاهر
• 40. روش‌های تشخیص اشیاء: مبتنی بر ویژگی
• 41. تشخیص چهره (Face Detection)
• 42. شناسایی چهره (Face Recognition)
• 43. ردیابی اشیاء متحرک
• 44. الگوریتم‌های ردیابی: KLT Tracker
• 45. الگوریتم‌های ردیابی: Mean Shift Tracker
• 46. الگوریتم‌های ردیابی: CamShift Tracker
• 47. مدل‌های گرافیکی در بینایی ماشین
• 48. شبکه‌های عصبی کانولوشنی (CNN)
• 49. مقدمه‌ای بر یادگیری عمیق
• 50. پیاده‌سازی CNN با TensorFlow/Keras
• 51. آموزش مدل‌های تشخیص اشیاء
• 52. مدل‌های تشخیص اشیاء: YOLO
• 53. مدل‌های تشخیص اشیاء: SSD
• 54. مدل‌های تشخیص اشیاء: Faster R-CNN
• 55. تشخیص و تفسیر متن در تصاویر (OCR)
• 56. کتابخانه Tesseract OCR
• 57. کار با داده‌های تصویری حجیم
• 58. پردازش تصاویر در زمان واقعی
• 59. کار با وب‌کم
• 60. پردازش ویدئو
• 61. استخراج فریم از ویدئو
• 62. تحلیل حرکت در ویدئو
• 63. تشخیص فعالیت انسان (Human Activity Recognition)
• 64. پردازش سه‌بعدی (3D Processing)
• 65. نمایش ابر نقاط (Point Clouds)
• 66. فیلتر کردن ابر نقاط
• 67. استخراج ویژگی از داده‌های سه‌بعدی
• 68. کاربرد بینایی ماشین در رباتیک
• 69. ناوبری ربات با استفاده از بینایی ماشین
• 70. تطبیق الگو (Template Matching)
• 71. جستجوی الگو با روش‌های مختلف
• 72. تحلیل بافت تصاویر (Image Texture Analysis)
• 73. آمار مرتبه اول و دوم تصاویر
• 74. تکنیک‌های تحلیل بافت
• 75. پردازش تصویر پزشکی: مقدمه
• 76. فیلترهای خاص در پردازش تصویر پزشکی
• 77. تقسیم‌بندی تصاویر پزشکی
• 78. تشخیص ناهنجاری در تصاویر پزشکی
• 79. کاربرد بینایی ماشین در کنترل کیفیت صنعتی
• 80. تشخیص عیوب سطحی
• 81. اندازه‌گیری ابعاد قطعات
• 82. بینایی ماشین در کشاورزی هوشمند
• 83. نظارت بر رشد گیاهان
• 84. تشخیص آفات و بیماری‌ها
• 85. کتابخانه‌های کمکی در پردازش تصویر
• 86. NumPy برای محاسبات عددی
• 87. Matplotlib برای رسم نمودار
• 88. Pandas برای مدیریت داده
• 89. مقدمه‌ای بر تحلیل مولفه‌های اصلی (PCA)
• 90. کاربرد PCA در کاهش ابعاد تصویر
• 91. مقدمه‌ای بر تحلیل تمایز خطی (LDA)
• 92. کاربرد LDA در طبقه‌بندی تصاویر
• 93. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 94. کاربرد SVM در طبقه‌بندی تصاویر
• 95. مقدمه‌ای بر درخت تصمیم (Decision Trees)
• 96. کاربرد درخت تصمیم در طبقه‌بندی تصاویر
• 97. مقدمه‌ای بر جنگل تصادفی (Random Forests)
• 98. کاربرد جنگل تصادفی در طبقه‌بندی تصاویر
• 99. اصول اخلاقی در استفاده از بینایی ماشین
• 100. حریم خصوصی در پردازش تصویر